MARC

 008260126s2024        us                              c    eng  d
■001000017356833
■00520260202103045
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798311915182
■035    ▼a(MiAaPQ)AAI31897554
■035    ▼a(MiAaPQ)PennState22179szv4
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a000
■1001  ▼aVenkatraman,  Saranya.
■24510▼aText  Authorship  in  the  Age  of  Large  Language  Models
■260    ▼a[Sl]▼bThe  Pennsylvania  State  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a156  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-11,  Section:  B.
■500    ▼aAdvisor:  Lee,  Dongwon.
■5021  ▼aThesis  (Ph.D.)--The  Pennsylvania  State  University,  2024.
■520    ▼aTremendous  progress  in  text  generation  by  Large  Language  Models  (LLMs)  has  led  to  an  exponential  rise  in  both  the  quality  and  quantity  of  LLM-generated  texts.  We  are  now  surrounded  by  texts  that  are  written  entirely  or  enhanced  and  edited  by  autoregressive  models.  These  texts  appear  in  many  contexts,  ranging  from  dialog  turns  in  an  interactive  session  with  ChatGPT  to  academic  articles  summarized  by  an  LLM,  a  news  article  generated  entirely  by  a  model  on  social  media,  and  so  on.  The  ubiquity  and  high  quality  of  such  texts  have  made  tracking  and  detecting  their  presence  a  task  of  growing  and  urgent  importance.  Particularly,  there  are  developing  concerns  about  copyright  infringement,  privacy,  malicious  use,  intellectual  property  (IP)  rights,  and  academic  integrity  that  require  active  efforts  to  identify  and  trace  LLM  texts.In  this  thesis,  we  study  machine-generated  texts  through  four  authorship-related  tasks:  (1)  Human  v/s  Machine-generated  Text  evaluation:  We  first  study  if  machines  have  human-text-like  traits  as  measured  by  psycholinguistics-based  measures.  To  do  this,  we  turn  to  the  Uniform  Information  Density  (UID)  principle  that  states  that  humans  tend  to  distribute  information  or  surprisal  evenly  or  smoothly  in  language  production.  We  analyze  if  machine-generated  texts  follow  similar  surprisal  patterns  and  find  that  the  answer  depends  on  the  decoding  strategy  used,  with  some  settings  generating  more  "human-like"  surprisal  distributions  than  others.  But  overall,  we  find  that  machines  distribute  surprisal  differently  than  humans.  Building  upon  this,  we  move  to  the  next  task,  (2)  Machine-generated  text  detection  and  Authorship  Attribution:  We  develop  "GPT-who",  an  authorship  attributor  that  uses  surprisal-based  features  to  identify  if  a  text  is  human-written  or  machine-generated,  and  also  predicts  the  exact  author  LLM.  We  then  study  the  reverse  problem  of  (3)  Authorship  Obfuscation  where  the  goal  is  to  obfuscate  or  hide  an  author's  identity  by  preserving  semantics  but  altering  the  writing  style  such  that  it  cannot  be  traced  back  to  the  original  author.  To  do  this,  we  present  "ALISON",  an  obfuscation  method  that  perturbs  individual  authors'  syntactic  patterns.Beyond  single-authored  texts,  we  explore  (4)  multi-LLM  collaborative  text  generation  by  creating  "CollabStory",  a  benchmark  dataset  containing  over  35k  creative  stories  generated  jointly  by  up  to  5  state-of-the-art  open-source  LLMs.  We  do  this  to  study  how  authorship-related  tasks  evolve  when  multiple  authors  are  present  in  a  text,  in  light  of  unifying  frameworks  such  as  vLLM  and  LangChain  that  have  enabled  this  oncoming  scenario.  Through  these  novel  methods  and  datasets,  this  dissertation  advances  our  understanding  of  authorship  in  the  evolving  landscape  of  LLM-generated  texts  and  provides  practical  tools  for  addressing  emerging  challenges.
■590    ▼aSchool  code:  0176.
■650  4▼aAuthorship
■650  4▼aSuccess
■650  4▼aLarge  language  models
■650  4▼aEntropy
■650  4▼aSemantics
■650  4▼aComputer  science
■650  4▼aLinguistics
■650  4▼aInformation  science
■653    ▼aLarge  Language  Models
■653    ▼aUniform  Information  Density
■653    ▼aText  authorship
■690    ▼a0290
■690    ▼a0984
■690    ▼a0723
■71020▼aThe  Pennsylvania  State  University.
■7730  ▼tDissertations  Abstracts  International▼g86-11B.
■790    ▼a0176
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17356833▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서