당신처럼 들릴 수 있나요? 개인적인 스타일을 반영한 LLM 생성 텍스트의 사후 편집

대규모 언어 모델 (LLMs) 이 글쓰기 작업에 널리 사용되고 있음에도 불구하고, 개인적인 스타일이 중요한 경우 사용자들은 LLM 에 의존하는 것을 주저할 수 있습니다. LLM 로 생성된 초안이나 번역문을 사후 편집 (post-editing) 하는 것은 일반적인 협업 글쓰기 전략이지만, 사용자가 LLM 로 생성된 텍스트를 효과적으로 수정하여 자신의 개인적인 스타일을 반영할 수 있는지 여부는 여전히 불명확합니다. 우리는 개인적인 스타일이 중요한 글쓰기 작업에 대해 참가자들이 LLM 로 생성된 초안을 사후 편집하는 온라인 사전 등록 연구 ($n=81$) 를 수행했습니다. 임베딩 기반 스타일 유사도 지표를 사용하여, 사후 편집이 참가자의 비보조 (unassisted) 작성 텍스트에 대한 스타일적 유사성을 높이고 완전히 LLM 로 생성된 출력물에 대한 유사성을 낮추는 것으로 나타났습니다. 그러나 사후 편집된 텍스트는 여전히 스타일적으로 참가자의 비보조 통제 텍스트보다 LLM 텍스트와 더 가깝게 유지되며, 비보조 인간 텍스트에 비해 스타일적 다양성이 감소하는 특징을 보입니다. 우리는 인지된 스타일적 진정성과 모델이 측정하는 스타일적 유사성 사이에 간극이 있음을 발견했으며, 사후 편집된 텍스트는 여전히 감지 가능한 LLM 의 스타일적 흔적을 가지고 있음에도 불구하고 참가자의 개인적인 스타일을 대표한다고 자주 인식되었습니다.