本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

改論文，有時候比寫論文痛苦。

無論是導師“刷屏”的一個個建議，還是期刊給回來的審稿意見，都能折磨得人頭發狂掉。

好消息是，現在AI終于可以幫你改論文了。

像是給論文引用的某個算法/觀點加上原始參考文獻：

又或是修改文中的一些事實性錯誤：

都只需要描述一句話（直接粘貼導師的修改意見），AI就能準確領會你的意圖，并上手改動論文。

最關鍵的是，改動的地方AI還會給出解釋，讓你流利應對導師的“突擊檢查”：

這是Meta AI搞出來的最新協同語言模型PEER，要解決的就是AI會生成文章、卻不會改文章的問題。

△人均撲克高手（doge）

看到這里，一名在讀博士生狂喜：“沒寫完的博士論文有著落了！”

還有網友表示：

很棒的工作，如果LLM沒有交互性，那終將成為一個死胡同?！躲y河系漫游指南》的作者一定會喜歡它的。

那么，這只AI究竟是怎么學會“改文章”的？

用AI幫AI一步步“捋順思路”

此前AI會寫卻不會改論文，主要有三點原因：

①無法控制文章細節，搞不懂自己要改啥；②無法聽懂人類的命令；③解釋不了自己生成了什么。

為此，Meta AI的研究人員用4個編解碼器組成PEER，每個編解碼器干不同的活。

它們被分別命名為PEER-Edit（整體規劃&編輯）、PEER-Undo（還原編輯步驟）、PEER-Explain（解釋編輯目的）、PEER-Document（搜集素材）。

這幾個編解碼器并非獨立工作，它們的作用是相輔相成的。

例如，PEER-Undo的出現，實際上就是為了加強PEER-Edit的編輯能力。

PEER-Edit是4個編解碼器中的核心骨干，它會在輸入一段待修改文本和參考素材后，決定如何對文本進行編輯，并給出編輯結果。

但如果直接用待修改文本和參考素材訓練PEER-Edit，會發現它的編輯能力不穩定。

因此，需要用PEER-Undo來根據PEER-Edit的輸出和素材，盡可能還原PEER-Edit編輯過的每個步驟，有點像是“幫對方捋順編輯思路”。

這樣一來，PEER-Edit就會意識到“原來我打算這樣編輯”，并借助PEER-Undo生成的結果，有意識加強訓練效果。

在PEER-Edit和PEER-Undo之外，PEER-Explain和PEER-Document的作用就相對好理解了。

其中，PEER-Explain負責將最終編輯的結果“變成人話”；PEER-Document則負責到網上收集修改用的素材（包括但不限于維基百科），給PEER-Edit“打零工”。

4個編解碼器加在一起，就組成了一個既能與人溝通、了解修改意圖，也能上手查找資料、編輯論文的協同語言模型PEER。

團隊將它與其他模型的能力進行了比較。

110億參數實現SOTA

具體來說，比較的模型包括一些基于T5（Text-to-Text Transfer Transformer）的模型和一些1750億參數的解碼器模型（GPT-3）等。

從圖中可見，PEER系列的模型參數最高也就110億左右，但在一些相關評估上都刷新了SOTA。

從可以實現的效果來看，基本上能直接通過交互，讓AI寫出一段論文并修改：

例如“刪掉沒信源的表述”、以及“把步驟列出來”，這只AI都能準確理解并實現：

不過對于這個模型，也有網友提出了一個設想：

如果讓PEER去審查PEER自己的文章，會怎樣呢？（手動狗頭）

論文地址：
https://arxiv.org/abs/2208.11663