論文の概要: The Widespread Adoption of Large Language Model-Assisted Writing Across Society

• arxiv url: http://arxiv.org/abs/2502.09747v2
• Date: Mon, 17 Feb 2025 21:25:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-19 14:07:21.310813
• Title: The Widespread Adoption of Large Language Model-Assisted Writing Across Society
• Title（参考訳）: 大規模言語モデルによる社会横断的記述の広範化
• Authors: Weixin Liang, Yaohui Zhang, Mihai Codreanu, Jiayu Wang, Hancheng Cao, James Zou,
• Abstract要約: 求人記事では、LSMが支援する筆記は小企業では10%以下であり、若い企業ではより一般的である。 当社のデータセットには、687,241件の消費者苦情、537,413件の企業プレスリリース、304.3万件の雇用投稿、および15,919件の国連プレスリリースが含まれている。 我々の研究は、企業や消費者、さらには国際機関さえも、コミュニケーションのための生成AIに大きく依存する新しい現実の出現を示している。
• 参考スコア（独自算出の注目度）: 27.317145181472565
• License:
• Abstract: The recent advances in large language models (LLMs) attracted significant public and policymaker interest in its adoption patterns. In this paper, we systematically analyze LLM-assisted writing across four domains-consumer complaints, corporate communications, job postings, and international organization press releases-from January 2022 to September 2024. Our dataset includes 687,241 consumer complaints, 537,413 corporate press releases, 304.3 million job postings, and 15,919 United Nations (UN) press releases. Using a robust population-level statistical framework, we find that LLM usage surged following the release of ChatGPT in November 2022. By late 2024, roughly 18% of financial consumer complaint text appears to be LLM-assisted, with adoption patterns spread broadly across regions and slightly higher in urban areas. For corporate press releases, up to 24% of the text is attributable to LLMs. In job postings, LLM-assisted writing accounts for just below 10% in small firms, and is even more common among younger firms. UN press releases also reflect this trend, with nearly 14% of content being generated or modified by LLMs. Although adoption climbed rapidly post-ChatGPT, growth appears to have stabilized by 2024, reflecting either saturation in LLM adoption or increasing subtlety of more advanced models. Our study shows the emergence of a new reality in which firms, consumers and even international organizations substantially rely on generative AI for communications.
• Abstract（参考訳）: 近年の大規模言語モデル(LLM)の進歩は、その採用パターンに対する大衆や政策立案者の関心を惹きつけた。 本稿では、2022年1月から2024年9月までの4つのドメイン・コンシューマー・クレーム、企業コミュニケーション、求人情報、国際機関の報道発表などにわたるLCM支援文書を体系的に分析する。 当社のデータセットには、687,241件の消費者苦情、537,413件の企業プレスリリース、304.3万件の雇用投稿、および15,919件の国連プレスリリースが含まれている。 2022年11月のChatGPTのリリース後,LLMの利用が急増した。 2024年末までに、金融消費者の苦情文の約18%が LLM 支援のようだ。 企業プレスリリースでは、テキストの最大24%がLLMに起因する。 求人記事では、LLMが支援する筆記は小企業では10%以下であり、若い企業ではより一般的である。 国連のプレスリリースもこの傾向を反映しており、約14%のコンテンツがLLMによって生成されるか修正されている。 採用率はChatGPT以降急速に増加したが、成長は2024年までに安定し、LSMの採用が飽和するか、より高度なモデルの微妙さが増したことを反映している。 我々の研究は、企業や消費者、さらには国際機関さえも、コミュニケーションのための生成AIに大きく依存する新しい現実の出現を示している。

関連論文リスト

• Whose ChatGPT? Unveiling Real-World Educational Inequalities Introduced by Large Language Models [3.005864877840858]
  ChatGPTや他の類似のツールは、学習経験と成果を改善するために、大きな言語モデル(LLM)の可能性について、大きな興奮と実験的努力を喚起しました。 しかし、LLMが教育的価値に与える影響を体系的に調査する研究はほとんどない。 我々は2021年から2024年までの2391のコースで16,791人の大学生から1,140,328人の学術論文を米国内の公立の少数派機関で分析した。 言語学的に有利な学生と不利な学生の書き込み品質のギャップが狭まりつつあり, 学生全体の書き込み品質が徐々に向上していることがわかった。
  論文  参考訳（メタデータ） (2024-10-29T17:35:46Z)
• Large Language Models Reflect the Ideology of their Creators [71.65505524599888]
  大規模言語モデル(LLM)は、自然言語を生成するために大量のデータに基づいて訓練される。 本稿では, LLMのイデオロギー的姿勢が創造者の世界観を反映していることを示す。
  論文  参考訳（メタデータ） (2024-10-24T04:02:30Z)
• MAP-Neo: Highly Capable and Transparent Bilingual Large Language Model Series [86.31735321970481]
  私たちはMAP-Neoをオープンソースにしました。これは、4.5Tの高品質トークン上で、スクラッチからトレーニングされた7Bパラメータを持つバイリンガル言語モデルです。 MAP-Neo は,既存の最先端 LLM と比較して性能が劣る初の完全オープンソースバイリンガル LLM である。
  論文  参考訳（メタデータ） (2024-05-29T17:57:16Z)
• Mapping the Increasing Use of LLMs in Scientific Papers [99.67983375899719]
  2020年1月から2024年2月にかけて、arXiv、bioRxiv、Natureのポートフォリオジャーナルで950,965の論文をまとめて、体系的で大規模な分析を行った。 計算機科学の論文では, LLMの使用が着実に増加し, 最大, 最速の成長が観察された。
  論文  参考訳（メタデータ） (2024-04-01T17:45:15Z)
• Monitoring AI-Modified Content at Scale: A Case Study on the Impact of ChatGPT on AI Conference Peer Reviews [51.453135368388686]
  本稿では,大規模言語モデル (LLM) によって実質的に修正あるいは生成される可能性のある大規模コーパスにおけるテキストの分数推定手法を提案する。 我々の最大可能性モデルは、専門家による参照テキストとAIによる参照テキストを利用して、コーパスレベルでの実世界のLLM使用を正確かつ効率的に検証する。
  論文  参考訳（メタデータ） (2024-03-11T21:51:39Z)
• Large Language Models: A Survey [69.72787936480394]
  大規模言語モデル(LLM)は、広範囲の自然言語タスクにおける強力なパフォーマンスのために、多くの注目を集めている。 LLMの汎用言語理解と生成能力は、膨大なテキストデータに基づいて数十億のモデルのパラメータを訓練することで得られる。
  論文  参考訳（メタデータ） (2024-02-09T05:37:09Z)
• Topics, Authors, and Institutions in Large Language Model Research: Trends from 17K arXiv Papers [1.5362868418787874]
  大規模言語モデル(LLM)がAI研究に劇的に影響を与えており、これまで何が変わったのか、どのようにフィールドの未来を形作るかについての議論が引き起こされている。 このような疑問を明らかにするために,我々は,2023年対2018-2022年の動向に着目し,16,979 LLM関連arXiv論文のデータセットを新たに分析した。 2023年に最初の著者の半数が、AIの非NLP分野から参入し、学際的な拡張を推進している。 驚いたことに、業界は2023年の出版シェアを減らした。
  論文  参考訳（メタデータ） (2023-07-20T08:45:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。