論文の概要: The em-dash em-beds in Congress: A population-level rise in em-dash frequency in U.S. congressional press releases at the dawn of the large-language-model era, 2021-2025
- arxiv url: http://arxiv.org/abs/2608.05889v1
- Date: Thu, 06 Aug 2026 11:12:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-07 17:43:06.745881
- Title: The em-dash em-beds in Congress: A population-level rise in em-dash frequency in U.S. congressional press releases at the dawn of the large-language-model era, 2021-2025
- Title（参考訳）: 議会におけるエムダッシュ・エムベッド : 2021-2025年における米国議会報道発表におけるエムダッシュ・頻度の上昇
- Abstract要約: テキスト1000文字あたりの非スペースな散文形式のエムダッシュ密度を解析した。
2021-2024年まで1,000文字あたり0.10-0.12の範囲に留まり、4年ベースラインの2倍以上の2025年には0.217まで上昇した。
エムダッシュは人口レベルのマーカーであり、リリース単位のオーサシップ検出器ではない。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large language models (LLMs) can leave small stylistic traces in text written with their help. The most discussed is the em-dash (U+2014), especially the unspaced form word---word, which is normal in typeset English prose but unusual in U.S. press writing, where AP style calls for spaced dashes. This study asks whether that trace is measurable in congressional press releases. In a preregistered design (OSF: 10.17605/OSF.IO/U5NEY), 146,239 scraper-sourced releases from 480 House and Senate offices (2021-2025, the open congress-press dataset) were analyzed: density of unspaced prose-form em-dashes per 1,000 characters of cleaned text, Poisson/negative-binomial models with a length offset, clustering by office. Density stayed within 0.10-0.12 per 1,000 characters through 2021-2024, then rose to 0.217 in 2025, more than twice the four-year baseline; the share of releases with such an em-dash rose from ~13% to 24.8%. The primary frequency ratio (2023-2025 vs 2021-2022) was 1.55 (95% CI 1.28-1.93; exact registered cut-off: 1.528), just above the prespecified 1.5x threshold. The rise was net-new (hyphen density stable), held within authors (75.6% of 262 continuous offices increased; p ~ 1e-16) and in a closed panel of 224 offices, and survived falsification tests: three placebo cut-offs were null, the pipeline showed no step at the 2024/2025 boundary, and continuing offices carried the rise. A segmented regression finds no step at the ChatGPT cut-off but a clear post-period acceleration; the 2025 rise is symmetric across parties and chambers. Because the registered validation gate was formally breached, the full preregistered decision rule was not met; the interpretation (broad diffusion of LLM-assisted writing as the models matured) is offered as exploratory. The em-dash remains a population-level marker, not a per-release authorship detector, and the design supports no causal claim.
- Abstract（参考訳）: 大きな言語モデル(LLM)は、その助けを借りて書かれたテキストに小さなスタイリスティックな痕跡を残すことができる。
最も議論されているのは Em-dash (U+2014) であり、特に英語のタイプセットの散文では普通だが、アメリカの出版物では珍しく、APスタイルではスペースド・ダッシュを呼ぶ。
この研究は、議会のプレスリリースでその痕跡が測定可能かどうかを問うものである。
事前登録された設計 (OSF: 10.17605/OSF.IO/U5NEY) では、480の下院と上院のオフィスから146,239のスクレーパーをソースにしたリリース (2021-2025, 公開議会プレッションデータセット) が分析された。
2021-2024年まで1,000文字あたり0.10-0.12の範囲に留まり、その後2025年には0.217に上昇し、4年ベースラインの2倍以上となった。
主周波数比 (2023-2025 対 2021-2022) は 1.55 (95% CI 1.28-1.93; 正確に登録されたカットオフ: 1.528) である。
上昇はネットニュー(ハイフン密度安定)であり、著者(262オフィスのうち75.6%が増加、p ~ 1e-16)と224オフィスのクローズドパネルで保持され、3つのプラセボカットオフが無効となり、パイプラインは2024/2025境界でのステップを示さず、継続するオフィスは上昇を続けた。
セグメントレグレッションはChatGPTカットオフのステップは見つからないが、時間後アクセラレーションは明確であり、2025年の上昇はパーティやチャンバー間で対称である。
登録されたバリデーションゲートが正式に破られたため、完全な事前登録された決定ルールは満たされず、解釈(LLM補助文字が成熟するにつれて広範に拡散される)が探索として提供される。
エムダッシュは人口レベルのマーカーであり、リリース単位のオーサシップ検出器ではない。
関連論文リスト
- An LLM-Associated Register Shift in Korean Journal Abstracts: A Morphology-Aware Excess-Vocabulary Study, 2018-2026 [0.0]
2023年以前の傾向よりも高い単語の頻度である余分な語彙は、2022年以降の学術英語の変化がどのように測定されたかである。
プラセボの床は1ワード統計では0.1-2.2点、再選択された分割半値統計では少なくとも2.9点である。
韓国の抽象化は2023年、2024年後半に始まり、2025年までの2026年半ばの平ら化を示している。
論文 参考訳（メタデータ） (2026-09-07T12:56:32Z) - Floor, Ceiling, and the Fusion Gap: How Much of Crowd Reading Attention Can Machines Predict? [1.8620637029128544]
ベンチマークスコアは、自明なメソッドが何を達成し、最良のメソッドが何を達成できるかを知らなければ何の意味も持たない。
読者の群集が、それぞれの目的、無給、無命令、盲目などのために、120のWebドキュメントでマークされている文を予測します。
論文 参考訳（メタデータ） (2026-08-03T05:09:49Z) - Stage-Replay Divergence Follows the KV Cache: Fixed-Prefix Precision Controls and Bidirectional Cache Transplantation [51.56484100374058]
Stage-replayは中間トークンプレフィックスを再構築し、プレフィックスに最初に到達したデコーダ状態からの継続として、新しいプリフィル継続を処理する。
一致した200itemの実験では、保持されたライブキャッシュと同一の整数トークンのワンショットプリフィルを比較し、両側に正確なレプリカを配置する。
論文 参考訳（メタデータ） (2026-07-30T16:41:40Z) - Em-ergence of the em-dash: a population-level rise in em-dash frequency in medRxiv preprints at the dawn of the large-language-model era [0.0]
Em-dashsは、補助テキストに微妙なスタイルの痕跡を残すことができる。
議論におけるエムダッシュの有病率は、ChatGPT以前の4.23%からその後11.58%に増加した。
デザインは因果関係を確立できない。科学文献の書き方には、2020年代初めから、そしてほぼいつにかけて、顕著に変化があったかが示される。
論文 参考訳（メタデータ） (2026-06-28T18:03:51Z) - ImmigrationQA: A Source-Grounded Dataset and Small-Model Adaptation for U.S. Immigration Law [0.0]
本稿では、17,058対の質問応答データセットであるImmigrationQAの構築について述べる。
コーパスは11の一次および二次のソースから組み立てられた。
微調整モデルを993対の保留分割に対して評価した。
論文 参考訳（メタデータ） (2026-05-28T21:36:18Z) - Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
テキスト検出器は、事前訓練された典型軸を増幅する。
タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。
RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
論文 参考訳（メタデータ） (2026-05-20T19:08:38Z) - Do Large Language Models Reduce Research Novelty? Evidence from Information Systems Journals [0.0]
私は、2020年から2025年にかけて、44のインフォメーション・システムズ誌に掲載された13,847の論文のセマンティックノベルティを測定します。
非英語圏の機関に加盟する作家は、英語圏の作家と比較して、相対的新奇性における標準偏差が0.18減少している。
論文 参考訳（メタデータ） (2026-03-23T19:16:54Z) - The 2025 Foundation Model Transparency Index [85.01250666533294]
ファウンデーションモデル開発者は世界で最も重要な企業です。
これらの企業がますますコンシークシャルになるにつれて、透明性のプラクティスはどのように進化するのでしょうか?
2025 Foundation Model Transparency Indexは、ファンデーションモデル開発者の透明性を特徴づけ、定量化するための年次取り組みの第3版である。
論文 参考訳（メタデータ） (2025-12-11T00:01:53Z) - Future of AI Models: A Computational perspective on Model collapse [0.0]
本研究は,2013年から2025年までの英語ウィキペディアの年次意味的類似性を調べることで,崩壊の定量化と予測を行う。
結果は、初期のRNN/LSTMとテキスト正規化パイプラインによって引き起こされた公的なLLM採用よりも、着実に類似性が高まっていることを示している。
論文 参考訳（メタデータ） (2025-10-29T15:10:29Z) - MultiParaDetox: Extending Text Detoxification with Parallel Data to New Languages [71.50809576484288]
テキスト・デトックス化(英: text detoxification)とは、テキストが有害な表面形態(例えば無作為な単語を特徴付けるような)から中性レジスタへパラフレーズ化されるタスクである。
並列テキストデトキシフィケーションコーパスコレクション(ParaDetoxとAPPADIA)の最近のアプローチはモノリンガル設定でのみ検討されている。
本研究では,ParaDetoxパイプラインをMultiParaDetoxを示す複数の言語に拡張し,任意の言語に対して並列デトキシフィケーションコーパスコレクションを自動化することを目的とする。
論文 参考訳（メタデータ） (2024-04-02T15:32:32Z) - 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) - A ripple in time: a discontinuity in American history [49.84018914962972]
歴史的データセットの時間的側面(言語拡張と無関係)と人格的側面(著者帰属)を明らかにするための新しいアプローチを提案する。
我々は過去42人のアメリカ合衆国大統領によって与えられた連邦の住所に対する我々のアプローチを例示する。
論文 参考訳（メタデータ） (2023-12-02T17:24:17Z) - Understanding writing style in social media with a supervised
contrastively pre-trained transformer [57.48690310135374]
オンラインソーシャルネットワークは、ヘイトスピーチから偽情報の拡散まで、有害な行動の場として機能している。
本稿では, 4.5 x 106テキストの公開資料から得られた大規模コーパスに基づいて学習したStyle Transformer for Authorship Representations (STAR)を紹介する。
512個のトークンからなる8つのドキュメントからなるサポートベースを使用して、著者を最大1616人の著者のセットから、少なくとも80%の精度で識別することができる。
論文 参考訳（メタデータ） (2023-10-17T09:01:17Z)
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。