論文の概要: Where Language-Model Vocabulary Rose on Stack Exchange
- arxiv url: http://arxiv.org/abs/2611.15172v1
- Date: Wed, 11 Nov 2026 08:11:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.08171
- Title: Where Language-Model Vocabulary Rose on Stack Exchange
- Title(参考訳): スタック交換における言語モデル語彙の増大
- Abstract要約: Stack Overflowは、モデルのリリースから5日後にChatGPTが生成した回答を禁止した。
私は、2019年から2024年までの170のサイトで、380万の回答が投稿された回答の語彙を測定します。
言語モデルが過剰使用している56単語の固定リストは、2023年以前の傾向より約14%増加した。
- 参考スコア(独自算出の注目度): 2.152401683177439
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Stack Overflow banned answers generated by ChatGPT five days after the model's release, and many other Stack Exchange sites announced similar rules. I measure the vocabulary of the answers posted afterwards, 3.8 million answers on 170 sites from 2019 to 2024. A fixed list of 56 words that language models overuse rose about 14 percent above its pre-2023 trend, while the highest of 1,000 frequency-matched lists of ordinary words rose about 7 percent. In a screen of 15 site traits measured before the release, the strongest predictor of where the rise happened was the share of answers that received a body edit within 30 days of posting. On the least edited third of sites the list rose about 29 percent relative to matched controls, and on the most edited third it did not change. The gradient is also present among answers that were never edited. It follows the share of answers edited by their own authors, and the share edited by others adds little once that share is held fixed. Use of the model is unobserved, so these results cannot separate lower use on sites with a high self-edit share from any effect of editing on what the vocabulary records. Any vocabulary-based estimate for the network as a whole therefore pools sites where the marker vocabulary rose sharply with sites where it did not change.
- Abstract(参考訳): Stack Overflowはモデルのリリースから5日後にChatGPTが生成した回答を禁止し、他のStack Exchangeサイトも同様のルールを発表した。
私は、2019年から2024年までの170のサイトで、380万の回答が投稿された回答の語彙を測定します。
言語モデルが過剰使用した56単語の固定リストは、2023年以前の傾向より約14%上昇した。
リリース前に測定された15のサイト特性の画面では、投稿から30日以内に身体編集を受けた回答のシェアが最も多かった。
編集されたサイトのうち3分の1は、マッチしたコントロールに対して約29%上昇し、最も編集された3分の1は変更されなかった。
勾配は、編集されなかった回答の中にも存在している。
これは、自分自身の著者によって編集された回答のシェアに続き、他の著者によって編集されたシェアは、共有が固定されたときにほとんど追加されない。
モデルの使用は観測されていないため、これらの結果は、自己編集率の高いサイトにおける使用率を、語彙レコードの編集効果から切り離すことはできない。
したがって、ネットワーク全体の語彙に基づく推定は、マーカー語彙が変化しない部位で急上昇した場所をプールする。
関連論文リスト
- Understanding Suggested Edits in Stack Overflow: A Large-Scale Empirical Study and Review Prioritization Framework [0.5133143243716792]
2011年から2023年5月までに提案された3,888,805件の分析を行った。
我々は35の特徴を用いて、承認された編集と拒否された編集を比較した。
削除された編集を手作業で分析し、17のきめ細かい拒絶理由を特定した。
論文 参考訳(メタデータ) (2026-11-11T03:59:58Z) - What Changed in Engineering Writing After Generative AI Chat Assistants: Evidence from 1.8 Million Articles [0.65268245109828]
本研究は,2022年11月30日に対話型言語モデルが公開されて以降の工学的記事の変化を問うものである。
2015年から2025年までの1,839,962の論文を256の工学雑誌にまとめている。
言葉、スタイル、記事構造を12の尺度で追跡した。
論文 参考訳(メタデータ) (2026-11-08T06:33:28Z) - Can LLMs Debug Robots by Editing Their Weights? [56.821001761391095]
言語モデルは65行のトークン埋め込み行だけを編集することで、ロボットポリシーの語彙的命令グラウンドを修復することができる。
$_0.5$の3つの独立したセッションは、765の保留パラフレーズの成功を改善した。
論文 参考訳(メタデータ) (2026-11-06T12:16:13Z) - Label-Wording Augmentation in a Typed-Decision Encoder: Gains on Unfamiliar Words, Not on Abbreviations or Codes [0.0]
多言語クロスエンコーダRu-Jevの2つのリリースを比較し、13のロシア語タスクをトレーニングした。
ラベル語彙を5と18の候補で評価し,訓練データと重なることを確認した。
通常の単語や借用語による保留語彙では、拡張されたリリースは最大0.24までの14の細胞において高い点精度を有する。
論文 参考訳(メタデータ) (2026-11-05T18:31:24Z) - Decision Models as Retrieval Gates Against Injection and Pollution [0.7161783472741748]
オープンウェイトな意思決定モデルが、両方の脅威に対して検索されたパスをスクリーニングできるかどうかを検証する。
隠されたインジェクションを含むフォーラムスタイルのWebページに対する1000の質問のベンチマークでは、Kev-4Bゲートが各パスのHTMLを読み取る。
ゲートは、ページのHTMLを読むときよりも、平易なテキストを読むときの方が、より多くの攻撃を受ける。
論文 参考訳(メタデータ) (2026-11-05T17:19:19Z) - Share the Symbol, Not the Vector: Training-Free Fact Communication Across Language Models [54.6861338458609]
SynC(Symbol-Indexed Neural Communication)は、微調整や学習用トランスレータなしで異種モデルを接続する。
説明だけで見ることができるので、送信者は共有リストから単語を選択し、質問を見ることなく各オブジェクトに対してインデックスを送信する。
本研究は,共有語指標とレシーバローカルな指示が,モデルファミリ間の選択的事実利用を,追加の訓練を伴わずに支援できることを示す。
論文 参考訳(メタデータ) (2026-10-14T07:19:43Z) - What Wins a Vote? Formatting, Length, and Lexical Diversity in the French Compar:IA LLM Arena [0.0]
我々は、2026年7月のCompar:IAリリースから、137,293人の決定的なフランス語の投票に対して、スタイメメトリックなアプローチを取っている。
各戦闘において、ユーザが投票したときの反応を可視的に再構築する。
得られたランキングを、フォーマット、長さ、可読性、語彙の多様性、文構造に調整したランキングと比較する。
論文 参考訳(メタデータ) (2026-10-01T08:47:35Z) - Voice Memory for Agentic Speech Recognition [66.69623133635868]
エージェント音声認識のための推論専用スキームであるVoice Memoryを提案する。
同期的に、スコア付き例は、境界編集を通じてそのファイルを更新する。
10のHyPoradiseドメインにオープン修正器、Voice Memory、重み付き単語エラー率8.36%から7.52%の10のドメインがある。
論文 参考訳(メタデータ) (2026-07-29T02:42:56Z) - 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) - Language Anisotropic Cross-Lingual Model Editing [61.51863835749279]
既存の作業はモノリンガルのシナリオのみを研究しており、言語間で同時に編集を行うための言語間転送能力が欠如している。
本稿では,並列コーパスを用いた一言語モデル編集手法を言語間シナリオに適用する枠組みを提案する。
本研究では,複数言語への編集の伝播における単言語ベースラインの失敗と,提案言語異方性モデル編集の有効性を実証的に示す。
論文 参考訳(メタデータ) (2022-05-25T11:38:12Z) - \textit{NewsEdits}: A Dataset of Revision Histories for News Articles
(Technical Report: Data Processing) [89.77347919191774]
textitNewsEditsは、ニュース記事の改訂履歴の最初の公開データセットです。
1,278,804条と、22以上の英語とフランス語の新聞から4,609,430版がある。
論文 参考訳(メタデータ) (2021-04-19T21:15:30Z)
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。