生成式人工智能的中文自動(dòng)編校效果評(píng)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(dāng)前自動(dòng)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(shí)務(wù)構(gòu)建錯(cuò)誤文本語料庫，測(cè)評(píng)國(guó)內(nèi)外8個(gè)主流大模型，綜合各模型的優(yōu)勢(shì)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(biāo)準(zhǔn)模型與嚴(yán)格模式下的檢錯(cuò)率均顯著高于傳統(tǒng)自動(dòng)編校工具黑馬校對(duì)及大多數(shù)單一大模型，驗(yàn)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）