論文の概要: Human--LLM Collaboration Is Transforming Complexity Metrics in Scientific Texts

• arxiv url: http://arxiv.org/abs/2606.27052v1
• Date: Thu, 25 Jun 2026 13:58:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.300055
• Title: Human--LLM Collaboration Is Transforming Complexity Metrics in Scientific Texts
• Title（参考訳）: 人間とLLMのコラボレーションは、科学テキストで複雑度を変換する
• Abstract要約: 大きな言語モデル(LLM)は、人間の言語力学に急速に貢献している。 ここでは,2010年から2025年までの数百万のarXiv抽象表現において,微妙なLLM効果を求める。 2023年以降に現れた2つの複雑さメトリクスの微妙な変化を観察します。
• 参考スコア（独自算出の注目度）: 4.818268079472122
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While human language has long been studied as a complex system, Large Language Models (LLMs) are rapidly becoming contributors to its dynamics. Because LLMs are trained on human language use, their effects on the broader human-AI linguistic ecosystem are likely subtle at first. As their use becomes more widespread, however, LLMs may alter emergent properties of language, particularly as models increasingly train on mixed human-LLM textual data. Here, we draw on complexity science to look for subtle LLM effects in millions of arXiv abstracts from 2010 to 2025. The year 2023, when LLMs rapidly became widely used, serves as a landmark in a natural experiment. While we find a sharp increase in a composite LLM-associated style index after early 2023, we observe only subtle changes in the exponents of Zipf's law and Heaps' law. More compelling, however, are two subtle changes in complexity metrics that emerge from 2023 onward. First, turnover among top-ranked words increases sharply. Second, the positive relationship between the LLM-associated style index and three complexity metrics--vocabulary size and the exponents of Heaps' and Zipf's laws--becomes flatter after 2022. Together, these patterns are consistent with changes in the emergent properties of scientific text in a mixed human-AI linguistic ecosystem.
• Abstract（参考訳）: 人間の言語は、長い間複雑なシステムとして研究されてきたが、Large Language Models (LLMs)は、そのダイナミクスに急速に貢献している。 LLMは人間の言語使用を訓練しているため、人間とAIのより広い言語生態系に対する影響は、最初は微妙である可能性が高い。 しかし、それらがより広く使われるようになるにつれて、LLMは言語の創発的特性を変化させる可能性がある。 ここでは、2010年から2025年までの数百万のarXiv抽象概念において、微妙なLLM効果を求めるために、複雑性科学を取り上げている。 LLMが急速に普及した2023年は、自然実験のランドマークとなった。 2023年初め以降、複合LLM関連スタイル指数の急激な増加が見られたが、Zipf法則とHeaps法則の指数の微妙な変化のみが観察された。 しかし、より魅力的なのは、2023年以降に現れた2つの複雑さメトリクスの微妙な変更だ。 まず、トップランクの単語のターンオーバーが急上昇する。 第2に、LLM関連スタイル指標と3つの複雑性指標(語彙サイズとHeaps法則とZipf法則の指数)の正の関係は、2022年以降はより平坦になる。 これらのパターンは、混在する人間とAIの言語生態系における科学的テキストの創発的特性の変化と一致している。

関連論文リスト

• What Are LLMs Doing to Scientific Communication? Measuring Changes in Writing Practices and Reading Experience [8.092815324198176]
  私たちは、ACLアンソロジー(2020-2024)から37,000以上の論文からなる自然主義コーパスと、3000の人文のパスからなる合成データセットを作成します。 まず,単語の頻度と使用状況が時間とともに大きく変化したことを示す。 次に、より複雑なスタイリスティックな特徴をモデル化し、LLM修飾テキストがより頻繁に、特定の構文構造、より複雑で長い単語、より低い語彙の多様性を含むことを確認する。
  論文  参考訳（メタデータ） (2026-05-19T14:54:33Z)
• SciZoom: A Large-scale Benchmark for Hierarchical Scientific Summarization across the LLM Era [2.2090506971647144]
  SciZoomは、2020年から2025年までの4つのトップレベルのML会場から44,946の論文からなるベンチマークである。 我々の言語学的分析は、句パターンの顕著な変化(式表現の最大10倍)と修辞スタイル(23%のヘッジ減少)を明らかにしている。 SciZoomは、生成AI時代の科学的談話の進化をマイニングするための、挑戦的なベンチマークとユニークなリソースとして機能する。
  論文  参考訳（メタデータ） (2026-03-17T05:34:46Z)
• code_transformed: The Influence of Large Language Models on Code [5.365515830102181]
  本稿では,大規模言語モデルがコードスタイルに与える影響を調査する先駆的な研究について述べる。 2020年から2025年の間に発行されたarXivの論文にリンクされた19,000以上のGitHubリポジトリからコードを分析します。 実験の結果,LLMが実世界のプログラミングスタイルに影響を及ぼすという,最初の大規模な実証的証拠が得られた。
  論文  参考訳（メタデータ） (2025-06-13T17:59:39Z)
• Examining Linguistic Shifts in Academic Writing Before and After the Launch of ChatGPT: A Study on Preprint Papers [7.161475868971293]
  大規模言語モデル(LLM)は学術的な著作への影響について学術的な懸念を引き起こしている。 我々は、arXivデータセットから過去10年間に発表された823,798件の要約を大規模に分析した。
  論文  参考訳（メタデータ） (2025-05-18T03:35:43Z)
• Language Models Largely Exhibit Human-like Constituent Ordering Preferences [23.71601972991744]
  我々は,大規模言語モデルと多様な特性を比較し,構成運動の性能を評価する。 粒子移動に関する予期せぬ行動にもかかわらず、LLMは概して構成順序に関する人間の嗜好と一致している。
  論文  参考訳（メタデータ） (2025-02-08T19:13:40Z)
• 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)
• Large Language Models: A Survey [66.39828929831017]
  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)
• How Proficient Are Large Language Models in Formal Languages? An In-Depth Insight for Knowledge Base Question Answering [52.86931192259096]
  知識ベース質問回答(KBQA)は,知識ベースにおける事実に基づいた自然言語質問への回答を目的としている。 最近の研究は、論理形式生成のための大規模言語モデル(LLM)の機能を活用して性能を向上させる。
  論文  参考訳（メタデータ） (2024-01-11T09:27:50Z)
• Boosting Large Language Model for Speech Synthesis: An Empirical Study [86.89548753080432]
  大規模言語モデル(LLM)は自然言語処理において大きな進歩を遂げており、言語能力は音声や視覚など他のモダリティにも拡張されている。 我々は,事前学習したLLM LLaMA/OPTと音声合成モデルVALL-Eを組み合わせることで,LLMの強化と音声生成能力の総合的な実証調査を行う。 テキストエンコーダとしてLLMとVALL-Eを組み合わせることで,LLMとVALL-Eの3つの統合手法を比較した。
  論文  参考訳（メタデータ） (2023-12-30T14:20:04Z)
• How should the advent of large language models affect the practice of science? [51.62881233954798]
  大規模言語モデルの出現は科学の実践にどのように影響を与えるべきか? 我々は4つの科学者グループを招待し、この質問を反映し、彼らの見解を共有し、議論をおこなった。
  論文  参考訳（メタデータ） (2023-12-05T10:45:12Z)
• AlignedCoT: Prompting Large Language Models via Native-Speaking Demonstrations [52.43593893122206]
  Alignedcotは、大規模言語モデルを呼び出すためのコンテキスト内学習技術である。 ゼロショットシナリオでは、一貫した正しいステップワイズプロンプトを達成する。 数学的推論とコモンセンス推論の実験を行う。
  論文  参考訳（メタデータ） (2023-11-22T17:24:21Z)
• Can Large Language Models Transform Computational Social Science? [79.62471267510963]
  大規模言語モデル(LLM)は、(トレーニングデータなしで)ゼロショットで多くの言語処理タスクを実行することができる この研究は、計算社会科学ツールとしてLLMを使用するためのロードマップを提供する。
  論文  参考訳（メタデータ） (2023-04-12T17:33:28Z)
• Event knowledge in large language models: the gap between the impossible and the unlikely [46.540380831486125]
  我々は,事前学習された大規模言語モデル (LLM) がイベント知識を持つことを示す。 彼らはほぼ常に、不可能な事象に対して高い確率を割り当てる。 しかし、おそらくは起こりそうもない出来事に対して、一貫性のない選好を示す。
  論文  参考訳（メタデータ） (2022-12-02T23:43:18Z)

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。