修订中的声音：大语言模型 和个人叙事的规范化

本研究探讨了 大语言模型 重写如何改变个人叙事的风格和叙事结构。它分析了三个前沿LLM在通用改进、仅重写和保留语音修订三种提示条件下重写的300个个人叙述。变化是通过计算文体学中的 13 个语言标记来衡量的，包括功能词、词汇多样性、词长、标点符号、缩写、第一人称代词和情感词。跨模型和提示条件，LLM 重写会产生一致的风格规范化模式。功能词、缩写和第一人称代词减少，而词汇多样性、单词长度和标点符号的阐述增加。无论提示要求模型“改进”文本还是简单地“重写”文本，这些转变都会发生。语音保留提示会减少变化的幅度，但不会消除其方向。文体分析表明，重写的文本在特征空间中收敛，并且变得更难以匹配回其源文本。额外的叙事标记表明从嵌入式叙事到远程叙事的转变，从明确的因果推理到压缩抽象的转变。研究结果表明，当代的 LLM 对更加精致、位置更少的音域产生了定向拉力。这对数字人文和计算文本分析产生了影响，其中功能词、代词、缩写和标点符号等特征通常充当风格、语音、作者身份和语料库完整性的证据。因此，LLM 修订不应仅仅被理解为表面级别的编辑，而应被理解为文本调解的结果形式。