Argument Rarity-based Originality Assessment for AI-Assisted Writing
Ritsumeikan Global Innovation Research Organization (R-GIRO), Ritsumeikan University（日光全球创新研究组织（R-GIRO）、日光大学）；Faculty of Business and Commerce, Kansai University（大阪大学商学部）；Arbege Corporation（Arbege公司）；College of Life Sciences, Ritsumeikan University（日光大学生命科学学院）；Office of General Education, Ritsumeikan University（日光大学通识教育办公室）
本文提出AROA框架，通过论点稀有性评估AI辅助写作的原创性，发现AI生成作文在结构上可复制但缺乏语义原创性。
2026-02-23 cs.CL
Detecting LLM-Assisted Vietnamese Writing via Keystrokes under Behavioral Manipulation
Bucknell University（巴克内尔大学）
本研究通过越南语击键数据和行为操纵威胁模型，评估四种击键建模方法，发现序列模型更优，但检测鲁棒性不足，对抗训练可提升性能。
2026-10-07 cs.CL cs.CY
Prototypical Human-AI Collaboration Behaviors from LLM-Assisted Writing in the Wild
Microsoft（微软）；University Of Minnesota（明尼苏达大学）
本研究通过分析Bing Copilot和WildChat中的大规模写作交互，识别出少数原型人机协作行为（PATHs）可解释用户与LLM交互的主要变异，并发现写作意图与PATHs显著相关，为LLM对齐提供启示。
2025-06-21 cs.CL cs.HC
Likelihood Is Not Authorship: Can We Reliably Measure Human Contribution in AI-Assisted Writing?
Purdue University（普渡大学）
该研究指出AI辅助写作中基于似然的人类贡献衡量方法易被操纵，引入SPECIFICITY PADDING可改变评分，且该方法存在理论局限，仅似然分数无法可靠衡量人类贡献。
2026-10-15 cs.CL
Most biomedical publications show signs of LLM-assisted writing
Hertie Institute for AI in Brain Health, University of Tübingen（蒂宾根大学赫蒂脑健康人工智能研究所）；Ghent University（根特大学）；VIB（弗拉芒生物技术研究院）
本研究提出基于词频变化的无偏方法估计文本语料库中LLM使用情况，发现到2025年底89%的生物医学论文存在LLM相关词汇过量，讨论部分LLM使用率是方法部分的两倍，相关估计对制定指南政策至关重要。
2026-08-12 cs.AI cs.CL cs.CY
How LLMs Cite and Why It Matters: A Cross-Model Audit of Reference Fabrication in AI-Assisted Academic Writing and Methods to Detect Phantom Citations
Clemson University（克莱姆森大学）
研究分析了LLM在不同领域和提示条件下引用伪造现象，提出多模型共识和重复验证过滤器，并开发轻量级分类器用于检测幻影引用。
2026-02-07 cs.CL
Machine-assisted writing evaluation: Exploring pre-trained language models in analyzing argumentative moves
Fudan University（复旦大学）
本研究利用BERT等预训练语言模型对1643篇纵向学习者议论文进行六类语步自动标注，F1达0.743，并验证其能揭示写作发展轨迹与预测写作质量，推动AI辅助写作评估。
2025-03-25 cs.CL cs.LG
Quantifying the Risks of Tool-assisted Rephrasing to Linguistic Diversity
University of Konstanz（康斯坦茨大学）
本文首次在多领域人类文本语料库上测量改写工具带来的语义与词汇变化，以量化大语言模型被广泛采用时对语言多样性的潜在风险。
2024-10-23 cs.CL
Delving into LLM-assisted writing in biomedical publications through excess vocabulary
Hertie Institute for AI in Brain Health, University of Tübingen, Germany（人工智能与脑健康赫尔蒂研究所、图宾根大学，德国）；Northwestern University, Evanston, Illinois, USA（西北大学，埃文斯顿，伊利诺伊州，美国）
本文通过分析PubMed上1500余万篇生物医学摘要的词汇变化，提出超额词汇分析方法，发现LLM的出现导致特定风格词频率骤增，估计2024年至少13.5%的摘要经LLM处理，揭示LLM对科学写作的深远影响。
2025-07-03 cs.AI cs.CL cs.CY
Detecting AI-Generated Essays in Writing Assessment: Responsible Use and Generalizability Across LLMs
ETS Research Institute（ETS研究院）
本文探讨了在写作评估中检测AI生成论文的挑战，分析了不同LLM间检测器的泛化能力，并提出了负责任使用检测器的指南。
2026-03-04 cs.CL
A Human-in-the-Loop Framework for AI-Assisted Scoring in Large-Scale Writing Assessment
Ceibal（塞瓦尔机构）；ANEP（乌拉圭全国公共教育管理局）
本研究提出一种用于大规模写作评估的人在回路AI辅助评分框架，基于全国考试数据验证其可行性，该框架可高效分配专家精力，需结合人工监督安全应用。
2026-09-07 cs.AI cs.CL
Accepted with Minor Revisions: Value of AI-Assisted Scientific Writing
The University of Utah（犹他大学）；The Ohio State University（俄亥俄州立大学）；Allen Institute for AI（人工智能研究院）
研究探讨了AI辅助科学写作的有效性，发现AI生成摘要在披露来源信息后可达到与人工摘要相当的可接受性，且作者编辑行为受对AI作者身份的感知驱动。
2026-01-27 cs.AI cs.CL cs.HC
Help me write a poem: Instruction Tuning as a Vehicle for Collaborative Poetry Writing
Columbia University（哥伦比亚大学）；New York University（纽约大学）
最近在训练大语言模型（LLM）以遵循自然语言指令方面的工作为自然语言界面设计开辟了令人兴奋的机会。基于LLM在计算机辅助创造力领域的先前成功，我们的目标是研究LLM是否可以通过协作提高用户生成内容的质量。我们介绍了CoPoet，一个协作诗歌写作系统。与自动完成用户的文本相反，CoPoet由指定所需文本属性的用户指令控制，例如写一个关于“爱”的句子或写一个以“飞”结尾的句子。我们的系统的核心组成部分是一个语言模型微调上的诗歌写作指令的多样化集合。我们的模型不仅与公开可用的LLM（指令训练）具有竞争力，而且还能够满足看不见的组合指令。一项针对15名合格群众工作者的研究表明，用户成功地用CoPoet写诗，主题从君主制到气候变化。此外，第三方评估者更喜欢合作创作的诗歌，而不是那些没有系统的诗歌。
2022-10-25 cs.CL
IGA : An Intent-Guided Authoring Assistant
University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；Adobe Research（Adobe研究院）
虽然大规模预训练的语言模型已经显著改善了自动完成等写作辅助功能，但更复杂和可控的写作助手还有待探索。我们利用语言建模的进步来构建一个交互式写作助手，根据细粒度的作者规范生成和重新措辞文本。用户以文本的形式向我们的意图引导助理（IGA）提供输入，其中穿插着与特定修辞指令相对应的标签（例如，添加描述或对比，或改写特定句子）。我们在一个以作者意图为标签的数据集上微调了一个语言模型，这允许IGA用生成的文本填充这些标签，用户随后可以根据自己的喜好编辑这些文本。一系列的自动和众包的评估确认了IGA的生成输出的质量，而一个小规模的用户研究表明，在一个创造性的写作任务中，作者对IGA的偏好超过了基线方法。我们发布了我们的数据集，代码和演示，以促进对AI辅助写作的进一步研究。
2021-09-19 cs.CL
What Are LLMs Doing to Scientific Communication? Measuring Changes in Writing Practices and Reading Experience
Institute for Natural Language Processing, University of Stuttgart, Germany（斯图加特大学自然语言处理研究所，德国）
本研究探讨了大型语言模型对科学交流风格的影响，通过分析自然语言处理领域中超过37000篇论文和3000篇人类撰写的文本及其LLM改进版本，发现写作实践和阅读体验发生了显著变化，同时揭示了AI辅助写作对阅读体验的主观影响。
2026-05-19 cs.CL
CoCoLoFa: A Dataset of News Comments with Common Logical Fallacies Written by LLM-Assisted Crowds
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；The Pennsylvania State University（宾夕法尼亚州立大学）
针对逻辑谬误检测数据集标注成本高的问题，本文推出由LLM辅助众包构建的大规模数据集CoCoLoFa，经验证质量可靠，基于其微调的BERT模型检测性能优于现有先进LLM，为复杂语言现象数据集构建提供了有效方案。
2024-10-04 cs.CL
Beyond Summarization: Designing AI Support for Real-World Expository Writing Tasks
Massachusetts Institute of Technology（麻省理工学院）；Allen Institute for AI（艾伦人工智能研究所）；Northwestern University（西北大学）
本文指出AI支持的说明文写作研究不足，将其特征化为基于证据和知识生成，并提出AI支持设计的三个组成部分及未来研究方向。
2023-04-05 cs.CL cs.HC
Human-AI Collaborative Taxonomy Construction: A Case Study in Profession-Specific Writing Assistants
University of Minnesota（明尼苏达大学）；Accenture Labs（埃森哲实验室）
本研究针对LLM在商业领域写作中理解不足的问题，提出人机协同分类法构建方法，通过专家迭代反馈与多次交互完善分类法，以提升领域特定写作助手的效能。
2024-07-16 cs.AI cs.CL cs.HC
When Writing Style Drifts: Benchmarking Authorship Verification under Distribution Shifts in Genre, Time and the AI-Era
University of Technology Nuremberg (UTN)（纽伦堡工业大学（UTN））
本研究推出首个德语作者验证基准AVShift，对跨体裁、时间及AI时代分布偏移下的作者验证进行基准测试，发现微调LLM跨体裁泛化最佳，时间漂移是影响作者验证的最强因素之一，未观测到可测量的AI时代分布偏移。
2026-08-19 cs.CL
TRATES: Trait-Specific Rubric-Assisted Cross-Prompt Essay Scoring
Computer Science and Engineering Department, Qatar University（计算机科学与工程系，卡塔尔大学）
TRATES提出一种基于评分量规和LLM生成特质专用特征的跨提示作文评分框架，结合通用与提示专用特征训练回归模型，在广泛数据集上所有特质均取得最先进性能。
2025-05-31 cs.CL
Large Language Model Turnover Undermines Screening for Artificial Intelligence-Assisted Scientific Writing
Tokyo Metropolitan University（东京都立大学）；National Institute of Informatics（信息学研究所）
该研究量化了LLM版本更迭对科研写作筛查的影响，发现仅基于旧版本训练的检测器会在模型代际边界处失效，建议科研诚信政策需随LLM版本更新重新验证检测器准确性。
2026-10-09 cs.AI cs.CL cs.CY
LLM or Human? Perceptions of Trust and Information Quality in Research Summaries
Microsoft（微软）；Amazon AWS AI（亚马逊AWS人工智能）
研究探讨了读者对LLM生成摘要的信任与质量感知，发现尽管难以识别LLM内容，但读者的信念显著影响评估，且LLM编辑的摘要更受好评。
2026-01-22 cs.CL cs.CY
Divergent LLM Adoption and Heterogeneous Convergence Paths in Research Writing
Cornell University SC Johnson College of Business（康奈尔大学SC约翰逊商学院）；NBER（国家经济研究局）；Tsinghua University（清华大学）
本研究针对LLM在学术写作中的异质性采用问题，基于arXiv 62.7万余篇论文开发检测框架，揭示其在不同群体中的采用差异及对写作收敛的影响，发现LLM能提升写作质量并推动风格收敛，且特定群体转变更显著。
2025-04-18 cs.AI cs.CL econ.GN
The House with a Million Windows: Interactive Fiction for Narrative Restorying
The Alan Turing Institute（艾伦·图灵研究所）；University of Edinburgh（爱丁堡大学）；University of Chicago（芝加哥大学）
针对AI写作导致叙事同质化的问题，本文提出基于大语言模型的交互式小说系统HWAMW，通过重构干预帮助用户探索故事多重意义，实证表明其增强叙事认同感，为AI辅助写作提供新范式。
2026-09-14 cs.CL cs.HC
A Taxonomy of Errors in English as she is spoke: Toward an AI-Based Method of Error Analysis for EFL Writing Instruction
DongA University（东亚大学）
本研究提出一种基于AI的英语写作错误分析系统，利用大型语言模型对写作错误进行分类和纠正，展示AI在EFL教学中的潜力。
2025-11-29 cs.CL
Emergent AI-Assisted Discourse: Case Study of a Second Language Writer Authoring with ChatGPT
University of California, Irvine（加利福尼亚大学欧文分校）
本研究通过活动理论和案例分析方法，考察了博士生Kailing在学术写作中整合使用ChatGPT的经历，发现其能在各写作阶段有效协作并保留个人作者声音与能动性，展示了AI工具提升语言学习者写作的潜力。
2023-10-23 cs.CL
WordDecipher: Enhancing Digital Workspace Communication with Explainable AI for Non-native English Speakers
University of Maryland（马里兰大学）
本文提出可解释AI写作工具WordDecipher，结合LLM与词嵌入识别社交意图、生成贴合意图的改写建议并解释表达差异，以帮助非英语母语者改善职场文本沟通。
2024-04-10 cs.AI cs.CL cs.HC
Computational Approaches to Understanding Large Language Model Impact on Writing and Information Ecosystems
Stanford University（斯坦福大学）
本论文以计算方法研究LLMs对写作与信息生态系统的影响，涵盖AI检测器的公平性问题、LLMs在多写作领域的采用模式及LLMs为研究者提供手稿反馈的潜力。
2026-08-04 cs.AI cs.CL cs.CY
SciZoom: A Large-scale Benchmark for Hierarchical Scientific Summarization across the LLM Era
Seoul National University（首尔国立大学）；Seoul National University Hospital（首尔国立大学医院）；Seoul National University College of Medicine（首尔国立大学医学院）
针对LLM时代科学摘要的多粒度需求，构建了包含2020-2025年四大ML顶会44946篇论文的基准，提供摘要、贡献和TL;DR三层摘要，压缩比达600:1，并揭示LLM辅助写作导致短语模式剧变和修辞风格同质化。
2026-06-24 cs.CL
Detecting GPT-Assisted Writing Using Interpretable Stylometric Features
Bucknell University（巴克内尔大学）；Susquehanna University（萨斯奎汉纳大学）
本研究利用可解释风格计量特征和八种分类器检测GPT辅助写作，随机森林在留出集上达到0.87的ROC-AUC，证明文本内在特征可有效区分人机写作。
2026-09-23 cs.CL cs.CY
LemmaHead: RAG Assisted Proof Generation Using Large Language Models
本文提出 LemmaHead，通过检索增强生成补充教科书数学上下文，提升大语言模型在 Lean 形式语言中自动生成定理证明的推理能力。
2025-02-10 cs.CL cs.IR cs.LG
Assisted Counterspeech Writing at the Crossroads of Hate Speech and Misinformation
Fondazione Bruno Kessler（布鲁诺·克塞勒基金会）；Università Cattolica del Sacro Cuore（天主教圣心大学）
本文研究了在仇恨言论和虚假信息共存的背景下，利用大型语言模型辅助专家反诽谤写作的方法，通过三种知识驱动的生成策略，结合事实核查和非政府组织的指南，提高了反诽谤文本的质量和有效性。
2026-05-21 cs.CL
Weaver: Foundation Models for Creative Writing
AIWaves Inc.（AIWaves 公司）
本研究推出专用于内容创作的大语言模型系列Weaver，通过专用语料预训练、偏好对齐等方法实现多规模模型调度，写作能力超越更大规模通用模型，还支持RAG与工具调用，并总结了领域大模型训练最佳实践。
2024-01-30 cs.AI cs.CL cs.LG
Value Over Language Model: Detecting Original Contribution in Writing
Cornell University（康奈尔大学）
本研究提出VOLM框架，通过对比文档与仅由LLM从任务描述生成的文本，检测写作中的原创人类贡献，在三类文本上表现优异且对内容保留转换具鲁棒性。
2026-11-06 cs.AI cs.CL
Limits of LLM Text Detectors in Education
Faculty of Technology, Bielefeld University（技术学院，比勒菲尔德大学）
本文提出贡献感知评估框架和GEDE基准，揭示现有LLM文本检测器在中间学生贡献等级（尤其LLM辅助修订）上分类困难，存在虚假指控风险，不适合支持教育政策执行。
2026-09-14 cs.CL cs.LG
Gmail Smart Compose: Real-Time Assisted Writing
Google（谷歌）
在本文中，我们提出了智能撰写，一个新的系统，用于生成交互式的，实时的【形】建议，在Gmail中，帮助用户在写邮件，减少重复打字。在设计和部署这样一个大规模、复杂的系统时，我们面临着模型选择、性能评估、服务等实际问题。Smart Compose的核心是一个大规模神经语言模型。我们利用最先进的机器学习技术进行语言模型训练，从而实现高质量的建议预测，并为高吞吐量和实时的【形】推理构建了新颖的服务基础设施。实验结果表明，我们提出的系统设计和部署方法的有效性。该系统目前在Gmail中运行。
2019-05-17 cs.CL cs.LG
Harnessing the Power of LLMs: Evaluating Human-AI Text Co-Creation through the Lens of News Headline Generation
University of Maryland, College Park（马里兰大学帕克分校）；Dataminr Inc.（Dataminr公司）
本文在LLM辅助新闻标题生成背景下比较了多种人机交互类型，发现引导和选择模型输出以最低成本带来最大收益，且AI辅助不损害用户的控制感。
2023-10-18 cs.AI cs.CL
Knowledge Graph Assisted Automatic Sports News Writing
Chongqing University of Posts and Telecommunications（重庆邮电大学）；Chongqing Jiaotong University（重庆交通大学）
本文提出一种自动生成体育新闻的新方法，通过提取实时直播关键时刻生成初稿，并结合包含5,893个实体的体育知识图谱进行润色；同时构建结合CNN和transformer编码器的多阶段学习模型解决少样本知识图谱补全问题，在50个测试用例中验证了有效性。
2024-02-17 cs.CL
Voices of Freelance Professional Writers on AI: Limitations, Expectations, and Fears
LMU Munich（慕尼黑大学）；Toloka AI
本研究通过问卷和互动调研，探究了专业作家使用LLM辅助写作的实践、伦理顾虑及期望，为LLM的后续优化提供参考。
2026-10-01 cs.CL cs.CY cs.HC
The Perplexity Trap: When Patent Law Makes Human Writing Look Like AI
European Patent Office（欧洲专利局）
研究针对专利法下筛选疑似人工智能生成专利文本的难题，在消费级硬件条件下用多种策略进行基准测试，发现现有检测器误报率高，问题是结构性的，提出七特征语言复杂性逻辑回归方法，提升了准确率。
2026-07-16 cs.AI cs.CL
The LLM Fallacy: Misattribution in AI-Assisted Cognitive Workflows
ddai Inc.（ddai公司）
本文探讨大语言模型使用如何导致用户错误归因自身能力，提出LLM谬误概念，分析其在认知、语言、分析和创作领域的影响，并提出教育、招聘和AI素养的启示。
2026-04-28 cs.AI cs.CL
Enhancing AI Assisted Writing with One-Shot Implicit Negative Feedback
University of Nottingham（诺丁汉大学）；Nokia Bell Labs（诺基亚贝尔实验室）
本研究提出Nifty方法，利用用户未选择智能回复作为单次隐式负反馈，通过分类器引导将其整合到文本生成中，显著提升AI写作模型的准确性与意图生成效果。
2024-10-14 cs.AI cs.CL cs.LG
Machine-Assisted Grading of Nationwide School-Leaving Essay Exams with LLMs and Statistical NLP
Tallinn University（塔林大学）；University of Tartu（塔尔图大学）；Estonian Business School（爱沙尼亚商学院）；Institute of the Estonian Language（爱沙尼亚语言研究所）
本文研究了利用LLM和统计NLP进行全国毕业考试作文自动评分的可行性，证明其在保持人类监督的同时可实现高精度评估。
2026-01-22 cs.AI cs.CL
The 17% Gap: Quantifying Epistemic Decay in AI-Assisted Survey Papers
Department of Management Information Systems（管理信息系统系）；Bakırçay University（巴克恰伊大学）
本文量化了AI辅助综述论文中引用链退化的现象，发现17%的引用无法解析，揭示了AI工具在检索正确标题的同时幻觉元数据的问题。
2026-01-24 cs.AI cs.CL cs.CY
AI-generated Essays: Characteristics and Implications on Automated Scoring and Academic Integrity
University of Pittsburgh（匹兹堡大学）；ETS Research Institute（教育考试服务中心研究院）
本研究通过大规模实证，考察了LLM生成论文的特征与质量，揭示了现有自动评分系统的局限，并证明了跨模型AI论文检测的高准确性，为写作评估与学术诚信提供了重要启示。
2025-10-16 cs.AI cs.CL
sciwrite-lint: Verification Infrastructure for the Age of Science Vibe-Writing
Authentic Research Partners（真实研究伙伴）；Princeton, NJ（新泽西州普林斯顿）
针对AI辅助写作导致的引用幻觉问题，提出基于软件工程lint范式的引用验证工具sciwrite-lint，在研究者本地运行，快速检查引用存在性、元数据准确性、撤回状态和主张支持，并评估引用链完整性。
2026-05-24 cs.CL cs.DL cs.SE
Does Scientific Writing Converge to U.S. English? Evidence from Generative AI-Assisted Publications
本研究利用生成式AI辅助出版物的数据，发现非英语国家的科学写作在语言上趋于美国英语，表明GenAI在降低语言障碍方面的作用。
2026-03-10 cs.CL cs.CY
PeerPen: AI-Assisted Writing for Online Mental Health Peer Support
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Aalto University（阿尔托大学）；Indiana University Indianapolis（印第安纳大学印第安纳波利斯分校）
针对在线心理健康同伴支持中志愿者缺乏训练、难以回应的问题，本文构建了AI辅助写作工具PeerPen，通过草稿生成与修订功能减轻写作负担并增强信心，同时提出保留作者身份与社区信任的设计启示。
2026-09-15 cs.AI cs.CL cs.CY
Can Humans Detect AI? Mining Textual Signals of AI-Assisted Writing Under Varying Scrutiny Conditions
Georgia Institute of Technology（佐治亚理工学院）
研究探讨AI检测威胁如何影响人类写作方式及他人能否区分AI与人类写作，实验显示受警示组在文本评估中更常被判定为人类写作，但文本特征无差异。
2026-04-25 cs.CL cs.HC
Linguistic Monoculture in LLM-Assisted Language Use
该研究针对LLM辅助语言使用中的语言单一文化问题，构建数学框架分析作者与LLM的共同演化机制，发现个性化可保留语言多样性，且个体理性作者的过度一致性会产生负外部性。
2026-07-30 cs.AI cs.CL cs.GT
Modifying AI, Enhancing Essays: How Active Engagement with Generative AI Boosts Writing Quality
Monash University（莫纳什大学）；Peking University（北京大学）
基于1,445次GAI辅助写作会话并用X-Learner估计因果效应，研究发现修改GAI建议可提升文章质量，而原样接受会降低质量，纳入GAI文本还能缓解语言偏见。
2024-12-10 cs.AI cs.CL cs.HC
EarlySciRev: A Dataset of Early-Stage Scientific Revisions Extracted from LaTeX Writing Traces
本文提出EarlySciRev数据集，通过提取LaTeX源文件中的早期修订痕迹，研究科学写作的修订行为及LLM在科学写作中的应用。
2026-03-30 cs.CL
Shallow Synthesis of Knowledge in GPT-Generated Texts: A Case Study in Automatic Related Work Composition
University of Minnesota（明尼苏达大学）；UC Berkeley（加州大学伯克利分校）
本文通过引文图分析发现，GPT-4能生成粗粒度引文分组辅助头脑风暴，但无法独立完成详细的知识综合，建议写作辅助工具不应脱离人类作者独立起草文本。
2024-02-19 cs.CL
ConvXAI: Delivering Heterogeneous AI Explanations via Conversations to Support Human-AI Scientific Writing
University of Michigan（密歇根大学）；Pennsylvania State University（宾夕法尼亚州立大学）；Carnegie Mellon University（卡内基梅隆大学）
本文提出对话式XAI原型ConvXAI，基于四项设计原则通过对话为科学写作提供异构AI解释，并在用户研究中验证其优于GUI基线。
2023-10-27 cs.AI cs.CL cs.HC
