生成式人工智能的中文自動編校效果評估與優(yōu)化研究
打開文本圖片集
【摘 要】在出版領(lǐng)域，提升編校質(zhì)量至關(guān)重要。當前自動編校工具存在不足，導(dǎo)致生成式人工智能在編校領(lǐng)域極具潛力但應(yīng)用受限。立足編輯實務(wù)構(gòu)建錯誤文本語料庫，測評國內(nèi)外8個主流大模型，綜合各模型的優(yōu)勢任務(wù)，采用提示詞工程和工作流協(xié)同優(yōu)化策略構(gòu)建編校工作流。研究顯示，該工作流在標準模型與嚴格模式下的檢錯率均顯著高于傳統(tǒng)自動編校工具黑馬校對及大多數(shù)單一大模型，驗證了特定模型架構(gòu)、訓(xùn)練數(shù)據(jù)與編校任務(wù)具有較好的適配性，且優(yōu)化策略能夠提升模型的編校效果。（剩余9264字）