論文の概要: The Cognitive Cost of LLM Writing: A Reading-Time Comparison with Human Text
- arxiv url: http://arxiv.org/abs/2610.23715v1
- Date: Fri, 16 Oct 2026 16:35:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 00:56:08.023175
- Title: The Cognitive Cost of LLM Writing: A Reading-Time Comparison with Human Text
- Title（参考訳）: LLM書記の認知的コスト--人文との読解時間の比較
- Abstract要約: 人文テキストとその大言語モデル(LLM)が生成した書き直しが、予測読解時間に違いを示すかどうかを検討する。
単語レベルの読み出し時間を予測するために,人間の視線追跡データに基づいて訓練されたRoBERTa-RTを導入した。
以上の結果から,LLMによる書き直しは短い傾向があり,予測総読解時間はわずかに低い傾向を示し,単語ごとの読み書き時間も高い傾向を示した。
- 参考スコア（独自算出の注目度）: 1.2722697496405464
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Although linguistic differences between human-written and Large Language Model (LLM)-generated texts have been extensively studied, their implications for the cognitive effort involved in reading remain less explored. In psycholinguistics, reading time is commonly used as an indirect measure of cognitive processing effort. Building on this perspective, we investigate whether human-written texts and their LLM-generated rewrites exhibit differences in predicted reading time that may reflect differences in processing demands for readers. To this end, we introduce RoBERTa-RT, a model trained on human eye-tracking data to predict word-level reading times. We evaluate the model on both internal and external test sets, construct a paired dataset of 496 human-written articles and their LLM-generated rewrites, and apply RoBERTa-RT to compare their predicted reading times. Our findings show that LLM-generated rewrites tend to be shorter and have slightly lower predicted total reading times, while exhibiting higher predicted reading times per word. These differences are associated with systematic linguistic changes, including longer and less frequent words, greater lexical diversity, and higher contextual predictability. From a cognitive perspective, our findings suggest that LLM-generated writing may redistribute reading demands: reducing the amount of text to process while increasing the predicted processing effort associated with individual words. This highlights the importance of considering not only the linguistic characteristics of machine-generated content, but also its potential implications for human cognitive processing.
- Abstract（参考訳）: 人文とLarge Language Model (LLM) の生成するテキストの言語的差異は広く研究されているが、読解に関わる認知活動に対するその影響はいまだ研究されていない。
精神言語学では、読書時間は認知処理の間接的な尺度として一般的に用いられる。
この観点から,人文テキストと LLM による書き直しが,読者の処理要求の相違を反映した予測読解時間の違いを示すかどうかを考察する。
この目的のために,人間の視線追跡データに基づく単語レベルの読み出し時間予測モデルRoBERTa-RTを導入する。
内部および外部の両方のテストセット上でモデルを評価し、496個の人書き記事とLLM生成した書き直しのペアデータセットを構築し、RoBERTa-RTを用いて予測読み出し時間を比較する。
以上の結果から,LLMによる書き直しは短い傾向があり,予測総読解時間はわずかに低い傾向を示し,単語ごとの読み書き時間も高い傾向を示した。
これらの違いは、長い単語や少ない単語、より語彙的な多様性、より文脈的な予測可能性など、体系的な言語変化と関連している。
認知的観点からは,LLM生成文字は読解要求を再分配し,個々の単語に関連する予測処理量を増大させながら,処理するテキストの量を削減できる可能性が示唆された。
このことは、機械生成コンテンツの言語的特徴だけでなく、人間の認知処理への潜在的影響も考慮することの重要性を強調している。
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) - More Aligned, Less Diverse? Analyzing the Grammar and Lexicon of Two Generations of LLMs [6.96297373955807]
本研究は, LLM生成テキストと人間によるテキストの比較において, 研究の進展に寄与する。
我々は、生態学と情報理論の多様性指標を用いて、文法構造や語彙型の変化を定量化する。
英語のニューステキストは時間軸がほとんど変化していないのに対して,新しいLLMでは構文的,特に語彙的多様性が向上している。
論文 参考訳（メタデータ） (2026-05-07T11:21:29Z) - Probing for Reading Times [60.30314214800421]
我々は、英語、ギリシャ語、ヘブライ語、ロシア語、トルコ語における人間の読書時間を表す言語モデル表現を探索する。
その結果,初期層からの表現は,初回固定や視線持続時間などの早期通過の予測において極めて優れていた。
論文 参考訳（メタデータ） (2026-04-20T18:12:59Z) - To Words and Beyond: Probing Large Language Models for Sentence-Level Psycholinguistic Norms of Memorability and Reading Times [4.5166266531313966]
大規模言語モデルは人間の判断と相関する心理言語学の規範を推定する。
我々はこの手法を文の暗記性や読解時間の未検討の特徴に拡張する。
論文 参考訳（メタデータ） (2026-03-12T16:10:27Z) - How Do LLM-Generated Texts Impact Term-Based Retrieval Models? [76.92519309816008]
本稿では,大規模言語モデル(LLM)が項ベース検索モデルに与える影響について検討する。
言語学的解析により,LLM生成テキストはよりスムーズで低周波なZipf勾配を示すことが明らかとなった。
本研究は,項分布がクエリと密接に一致した文書を優先して,項ベース検索モデルがソースバイアスを示すかどうかを考察する。
論文 参考訳（メタデータ） (2025-08-25T06:43:27Z) - How LLMs Comprehend Temporal Meaning in Narratives: A Case Study in Cognitive Evaluation of LLMs [13.822169295436177]
本研究では,人文研究に用いられた物語において,大規模言語モデル(LLM)が言語的側面の時間的意味をどう扱うかを検討する。
以上の結果から,LLMは原型性に過度に依存し,相反する側面判断を生じ,側面から派生した因果推論に苦慮することが明らかとなった。
これらの結果は,LLMのプロセスの側面が人間と根本的に異なり,ロバストな物語理解が欠如していることを示唆している。
論文 参考訳（メタデータ） (2025-07-18T18:28:35Z) - Using AI to replicate human experimental results: a motion study [0.11838866556981258]
本稿では,言語研究における信頼性の高い解析ツールとして,大規模言語モデル(LLM)の可能性について検討する。
動作動詞の行儀を含む時間表現における感情的意味の出現に焦点を当てる。
論文 参考訳（メタデータ） (2025-07-14T14:47:01Z) - A Bayesian Approach to Harnessing the Power of LLMs in Authorship Attribution [57.309390098903]
著者の属性は、文書の起源または著者を特定することを目的としている。
大きな言語モデル(LLM)とその深い推論能力と長距離テキストアソシエーションを維持する能力は、有望な代替手段を提供する。
IMDbおよびブログデータセットを用いた結果, 著者10名を対象に, 著者1名に対して, 85%の精度が得られた。
論文 参考訳（メタデータ） (2024-10-29T04:14:23Z) - Analysis of Plan-based Retrieval for Grounded Text Generation [78.89478272104739]
幻覚は、言語モデルがそのパラメトリック知識の外で生成タスクが与えられるときに起こる。
この制限に対処するための一般的な戦略は、言語モデルに検索メカニズムを注入することである。
我々は,幻覚の頻度をさらに減少させるために,探索のガイドとして計画をどのように利用できるかを分析する。
論文 参考訳（メタデータ） (2024-08-20T02:19:35Z) - Contextualized Semantic Distance between Highly Overlapped Texts [85.1541170468617]
テキスト編集や意味的類似性評価といった自然言語処理タスクにおいて、ペア化されたテキストに重複が頻繁に発生する。
本稿では,マスク・アンド・予測戦略を用いてこの問題に対処することを目的とする。
本稿では,最も長い単語列の単語を隣接する単語とみなし,その位置の分布を予測するためにマスク付き言語モデリング(MLM)を用いる。
セマンティックテキスト類似性の実験では、NDDは様々な意味的差異、特に高い重なり合うペアテキストに対してより敏感であることが示されている。
論文 参考訳（メタデータ） (2021-10-04T03:59:15Z)
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。