请让它听起来像人类：用于 AI 到人类文本样式传输的编码器-解码器与仅解码器 Transformer

人工智能生成的文本在学术和专业写作中已经很常见，促进了对检测方法的研究。相反的研究较少：系统地重写人工智能生成的散文，使其读起来像真正的人类创作。我们构建了一个由 25,140 个配对的人工智能输入和人类参考文本块组成的并行语料库，识别了分隔两个语域的 11 个可测量的风格标记，并使用 QLoRA 微调了三个模型：BART-base、BART-large 和 Mistral-7B-Instruct。 BART-large 实现了最高的参考相似度——BERTScore F1 为 0.924，ROUGE-L 为 0.566，chrF++ 为 55.92——参数比 Mistral-7B 少 17 倍。我们表明，Mistral-7B 较高的标记偏移分数反映了超调而不是准确性，并认为偏移准确性是当前风格迁移评估中的一个有意义的盲点。