论文
NLP论文中的对照句式为何越来越多？
I would rather quit NLP than read another paper like this: The rise of antithesis in NLP papers
摘要
无论好坏，LLM现在已常规用于科学写作。\footnote{本文也不例外；我们确实使用人工智能来协助撰写某些部分（请参阅致谢）。}许多人注意到，最近的模型在论文中充满了不必要的对立，一遍又一遍地说明工作没有做什么，其方式无助于其表达的准确性或质量，并且惹恼了审稿人\emph{而不是给他们留下深刻的印象}。我们研究了 2019 年 ACL 论文、2026 年 ACL 风格 arXiv 论文以及由 GPT 模型撰写的具有相同标题和摘要的论文中的结构 \emph{rather than}。 2026 年的比率是 2019 年的七倍，在 GPT 试卷中仍然更高。两位对来源视而不见的注释者发现，2019 年几乎没有使用 \emph{annoying}，而 2026 年的使用率约为十分之一；他们很少就哪些内容达成一致，但 2026 年的论文中约有一半包含令他们各自烦恼的用途。 \emph{烦人}的使用呈现出被拒绝的替代方案，而不是合法的使用。偏好数据和开放奖励模型的评估者赞成构建，并指示 诚实会促进它。我们推测这是训练后对成对偏好的副作用，这归因于单个响应中的否认并且无法在文本中记录其成本。