Voice Forschung · 12. September 2026
KI-Texte, die man gern liest.
Forschung zu KI-Texten, redaktionellen Regeln und der Qualität von Reviews.
Was aus den Befunden folgt
Vom Anliegen der Leser ausgehen
Relevanz, Informationsdichte und Ton halfen in Measuring AI ‘Slop’, die Urteile der Fachleute zu erklären. Bei problematischen Textstellen stimmten sie häufiger überein als bei der pauschalen Einordnung als „Slop“. Shaib et al., Preprint, überarbeitet 2026.
Für Voice folgt daraus: Das Review soll Textstellen benennen, die es erschweren, etwas zu verstehen, zu entscheiden oder zu tun. Worttreffer können auf solche Stellen hinweisen. Ob eine Änderung hilft, hängt vom Zweck der Seite ab.
Bessere Einzeltexte können sich stärker ähneln
In einem randomisierten Experiment mit Kurzgeschichten verbesserten KI-Ideen die Bewertungen. Zugleich ähnelten sich die so entstandenen Geschichten stärker. Das spricht dafür, Nutzen und Eigenständigkeit getrennt zu beurteilen. Doshi und Hauser, 2024.
Ein Review sollte wiederkehrende Formulierungen und Argumentationsmuster auf der ganzen Seite und zwischen den vorgeschlagenen Alternativen vergleichen. Drei Fassungen mit anderen Synonymen bieten kaum Auswahl. Ein bewusst gewählter Rhythmus oder eine bereits akzeptierte Überschrift kann dagegen gut funktionieren.
Ein auffälliges Wort erlaubt nur begrenzte Schlüsse
Korpusstudien erkennen abrupte Veränderungen im Wortgebrauch. Daraus lässt sich die Herkunft einer einzelnen Textstelle nicht bestimmen. Kobak et al., 2025. Eine explorative Studie fand keine allgemeine menschliche Vorliebe für die untersuchten auffälligen Wörter. Juzek und Ward, 2025.
Eine Regel braucht deshalb eine Anwendungsbedingung, einen benannten Nachteil für die Leser und eine Ausnahme. Ein pauschales Wortverbot würde neben leeren Formulierungen auch nützliche Fachbegriffe entfernen.
Vor der Überarbeitung festlegen, was besser werden soll
Self-Refine verbesserte die Ergebnisse in den untersuchten Aufgaben. Eine Studie zu Schlussfolgerungsaufgaben zeigte dagegen, dass Selbstkorrektur ohne zusätzliche Rückmeldung Fehler einführen kann. Die Aufgaben und Rückmeldungsbedingungen der Studien unterscheiden sich. Madaan et al., 2023; Huang et al., ICLR 2024.
Für Voice leiten wir daraus ab: Den beanstandeten Text zitieren und jede Überarbeitung mit der Quelle vergleichen. Belege, sachliche Einschränkungen und akzeptierte Entscheidungen müssen erhalten bleiben. Weder kürzere Antworten noch die Zustimmung eines Modells oder eine hohe Übernahmequote belegen allein eine Verbesserung.
Textqualität und Urheberschaft getrennt prüfen
Frühere Studien zu KI-Detektoren zeigten, dass Sprachhintergrund, andere Generatormodelle und die gemeinsame Bearbeitung durch Mensch und KI die Ergebnisse beeinflussen. Die gemeldeten Fehlerraten gelten für die jeweils untersuchten Bedingungen. Liang et al., 2023; RAID, 2024; MixSet, 2024.
Voice liefert lokale Formulierungshinweise und Review-Regeln, aber keine Wahrscheinlichkeit für KI-Urheberschaft. Ein protokollierter Generierungslauf kann einen bekannten KI-Beitrag dokumentieren. Ein Git-Commit allein belegt nicht, wer die Sätze verfasst hat.
Praxisartikel und die „Vibe“-Debatte
Diese Erfahrungsberichte und Sammlungen benennen störende Schreibgewohnheiten. Sie liefern Beispiele und redaktionelle Argumente. Die genannten Modelle und Gegenmaßnahmen wurden dabei selten kontrolliert verglichen.
Regeln aus diesen Beobachtungen
Ungefragte Deutungen fließen in meta-framing, reader-goal ein. Formelhaft eingesetzte Gegensätze und wiederholte rhetorische Strukturen betreffen unsupported-contrast, forced-template, repetition. Vor einem Änderungsvorschlag wird geprüft, ob die Formulierung dem Anliegen der Leser dient.
Umsetzung: Der Katalog enthält bedingte Regeln für Überschriften, abgeleitet aus Furzes Beispielen und der Forschung zu Textüberarbeitung: das Thema des Abschnitts benennen, hilfreiche Fragen und Bilder erhalten und keine Ergebnisse ankündigen, die im Abschnitt fehlen. Wiederholte rhetorische Muster auf der ganzen Seite erfordern weiterhin eine Kontextanalyse durch die einbindende Anwendung.
Den genauen Analyseumfang der Library ansehenProblem Patterns in AI: Beyond HallucinationsPrüfen, was jede Überschrift und Erklärung zur Aufgabe der Leser beiträgt. Die Gewichtung mit der vorliegenden Quelle vergleichen und unbelegte Deutungen entfernen.
- Beobachtung
- Furze beschreibt, wie Claude angeforderten Folienüberschriften interpretierende Untertitel hinzufügt. Seine vorgeschlagenen Kategorien umfassen neben Wahrheit auch Treue zur Vorlage, Urteilsvermögen, Kommunikation und Ästhetik: Eine sachlich richtige Ergänzung kann trotzdem die Gewichtung verschieben oder Aufmerksamkeit verbrauchen.
- Grenzen
- Eine Systematik mit Beispielen aus der Praxis und einer ausdrücklich informellen Umfrage. Sie misst weder Fehlerraten von Modellen noch belegt sie die vermuteten technischen Ursachen.
Anwendung in Voice
Eine Host-Anwendung kann einem Agenten die Aufgabenbeschreibung zusammen mit den generierten Überschriften zur Prüfung geben. Die Library stellt die Anweisungen zusammen; sie vergleicht deren Gewichtung nicht.
composeWritingReviewPrompt— Die Prüfung von Überschriften an der angegebenen Zielgruppe und Zielsetzung ausrichten.selectWritingRules— Die Anweisungen zu reader-goal, task-relevance und meta-framing auswählen.
Was noch fehlt: Ein Kontextaufbau, der Seitenziel, Quellaussagen und die Funktion von Überschriften verbindet, gefolgt von einem Prüfergebnis mit nachvollziehbaren Verweisen.
Zugehörige Muster: Unnötige deutende Einleitungen · Kategorien vor der Aufgabe · Umwege durch optionale Details · Erfundene Ursache-Nutzen-Kette · Erzwungene Dreiergruppen und Frage-Antwort-Schablonen
Why ChatGPT writes like that: A rhetorical analysis of AI ‘slop’Wiederkehrende Formen und ihre Bedeutung auf der gesamten Seite prüfen. Bewusste, akzeptierte Überschriften erhalten; Alternativen vorschlagen, wenn eine rhetorische Form einen Gegensatz erfindet oder Rhythmus an die Stelle von Inhalt setzt.
- Beobachtung
- Gorrie analysiert Parallelismen, Antithesen und dreiteilige Formulierungen. Dazu legt er einen Brief-Prompt für Claude Sonnet 4 offen. Diese Mittel haben eine menschliche rhetorische Tradition; ihre Häufung und vorhersehbare Wiederholung können künstlich wirken.
- Grenzen
- Eine veranschaulichende rhetorische Analyse, keine Korpusstichprobe oder kontrollierte Gegenüberstellung von Anbietern. Ein wirkungsvoller Gegensatz oder eine dreiteilige Überschrift ist nicht automatisch ein Mangel.
Anwendung in Voice
Aktuelle Treffer können eine rhetorische Prüfung anstoßen. Sie erkennen jedoch nicht jede Antithese, parallele Struktur oder bewusst dreiteilige Überschrift.
findWritingSignals— Die unterstützten Formulierungsmuster der Regel unsupported-contrast finden.getWritingRule— Ausnahmen für Gegensätze und Beispiele mit ihren Gültigkeitsbedingungen abrufen.
Was noch fehlt: Rhetorische Entscheidungen mit dem Seitenziel und wiederkehrenden Strukturen in Git-Dateien vergleichen; wirksame Gegensätze erhalten und inhaltlich unterschiedliche Alternativen anbieten.
Zugehörige Muster: Nicht X, sondern Y · Erzwungene Dreiergruppen und Frage-Antwort-Schablonen · Zusammenfassungsschleifen · Formatierung an jedem Satz
On AI-assisted writing, AI slop, and the line between themPrüfen, ob die Unterstützung die beabsichtigte Aussage erhält. Sachliche Einschränkungen und Entscheidungen des Autors beim Vergleich von Fassungen sichtbar halten, einschließlich der Entscheidung, das Original beizubehalten.
- Beobachtung
- Amatriain beschreibt KI-gestützte Überarbeitung als hilfreich für Sprache und Struktur. Er warnt zugleich davor, dass Änderungen Gewichtung, Einschränkungen und Aussagen verschieben können. Er legt die Unterstützung am Essay selbst offen und sieht die Verantwortung für dessen Gedanken beim Autor.
- Grenzen
- Eine persönliche Position, einschließlich anekdotischer Erfahrungen mit Detektoren. Sie belegt weder einen allgemeinen Produktivitätsgewinn noch eine Grenze für Autorschaft oder die Genauigkeit von Detektoren.
Anwendung in Voice
Der Prompt formuliert, was erhalten bleiben soll; im Overlay können Prüfende die zitierten Passagen ansehen. Keine der beiden APIs weist nach, dass eine vorgeschlagene Neufassung die Gewichtung erhält.
composeWritingReviewPrompt— Alternativen anfordern, die Fakten, Einschränkungen und akzeptierte Entscheidungen erhalten.mountVoiceReview— Von der Host-Anwendung gelieferte Befunde neben der ursprünglichen Passage anzeigen.
Was noch fehlt: Änderungen an Aussagen zwischen Alternativen vergleichen und dokumentierte Autorenentscheidungen für die genaue Quellversion schützen.
Zugehörige Muster: Kategorien vor der Aufgabe · Behauptung ohne Beleg · Gestapelte Relativierungen · Schmückende Formulierungen
The ‘Negative Contrast Trap’: Why AI Writing Overuses ‘Not X, But Y’Den zitierten Gegensatz markieren und klären, ob die verworfene Alternative relevant ist. Anschließend eine direkte Aussage anbieten. Gegensätze erhalten, die ein tatsächliches Missverständnis auflösen.
- Beobachtung
- Hughes zeigt, wie sich die bejahende Neufassung eines verneinenden Gegensatzes anfordern lässt. Er empfiehlt außerdem, wiederholte Satzanfänge nach der Generierung zu prüfen. Der Artikel veranschaulicht, wie aus einer Stilkritik eine konkrete Überarbeitungsanweisung wird.
- Grenzen
- Die Beispiele und veranschaulichenden Heuristiken sind kein evaluierter Detektor. Aussagen zu Häufigkeit und Trainingsmechanismen bleiben hier Hypothesen, keine Messergebnisse.
Anwendung in Voice
Der Musterabgleich erfasst ausgewählte Anfänge, nicht jede Konstruktion nach dem Schema „nicht X, sondern Y“. Prüfende müssen klären, ob die verworfene Alternative von Bedeutung ist.
findWritingSignals— Die unterstützten englischen und deutschen Gegensatzanfänge im Katalog finden.composeWritingReviewPrompt— Mit unsupported-contrast sachlich begründete Alternativen anfordern.
Was noch fehlt: Das relevante Missverständnis als Kontext erfassen und eine bejahende Neufassung mit dem Original vergleichen, ohne eine hilfreiche Unterscheidung zu verlieren.
Zugehörige Muster: Nicht X, sondern Y · Zusammenfassungsschleifen · Pfeilketten statt Erklärung
Tropes: AI Writing Pattern DirectorySolche Beobachtungen als bedingte Prüfhypothesen nutzen. Gegenbeispiele und die konkreten Nachteile für Leser ergänzen, statt eine allgemeine Verbotsliste für Wörter oder Satzzeichen zu übernehmen.
- Beobachtung
- Dieses Praxisverzeichnis benennt wiederkehrende Muster in Wortwahl, Satzbau, Ton und Textaufbau und stellt Prompt-Anweisungen bereit. Beispiele sind verneinende Parallelismen, ankündigungsartige Schlüsse und die Verwässerung eines Gedankens durch wiederholte Umformulierungen.
- Grenzen
- Ein stark wertendes Verzeichnis, kein validierter Benchmark zur Bestimmung der Autorschaft. Sein Prompt enthält pauschale Verbote, die hilfreichen Erklärungen oder Aufzählungen entgegenstehen können. Die angekündigten Tools auf der Seite belegen keine Wirksamkeit.
Anwendung in Voice
Voice stellt eigene kuratierte Regeln bereit. Es importiert weder dieses Verzeichnis noch führt es dessen Prompt-Dateien aus. Urteile über den Textaufbau benötigen weiterhin eine prüfende Instanz.
getWritingRule— Eine bedingte Regel mit berechtigten Beispielen für das Beibehalten prüfen.selectWritingRules— Passende Katalogregeln statt einer allgemeinen Verbotsliste auswählen.
Was noch fehlt: Ausgewählte Anweisungen sowohl an unerwünschten Wiederholungen als auch an berechtigten Aufzählungen testen und dabei Fehlalarme sowie Entscheidungen zum Beibehalten erfassen.
Zugehörige Muster: Nicht X, sondern Y · Unnötige deutende Einleitungen · Zusammenfassungsschleifen · Unpriorisierte Liste aller Möglichkeiten · Erzwungene Dreiergruppen und Frage-Antwort-Schablonen
Wikipedia: Signs of AI writingAussagen und zitierte Belege gemeinsam mit der Wortwahl prüfen. Regeln für bestimmte Textgattungen getrennt halten und fehlerhafte Zitierartefakte von gewöhnlicher Zeichensetzung oder Wortwahl unterscheiden.
- Beobachtung
- Bearbeitende sammeln Beispiele für übertriebene Bedeutungszuschreibungen, oberflächliche Analysen, vage Quellenangaben, werbliche Sprache und versehentlich ausgegebene Assistenten-Markierungen. Die Ratgeberseite bezeichnet ihre Liste ausdrücklich als Beobachtungen und weist darauf hin, dass sichtbare Anzeichen tiefere Quellenprobleme verdecken können.
- Grenzen
- Ein Ratgeber der Community, keine Wikipedia-Richtlinie oder Detektor-Evaluation; einige Beispiele hängen von enzyklopädischen Konventionen ab. Menschliche Texte können dieselben Merkmale aufweisen. Die Seite weist außerdem darauf hin, dass neuere Modelle noch nicht aktuell abgedeckt sind.
Anwendung in Voice
Ein Agent kann zitierte Materialien separat erhalten. Die aktuellen Signale lösen weder Verweise auf noch erkennen sie alle fehlerhaften Zitierartefakte; enzyklopädische Konventionen benötigen Kontext aus der Host-Anwendung.
composeWritingReviewPrompt— claims-evidence und reported-evidence für eine Prüfung der Belege auswählen.findWritingSignals— Die begrenzten Muster des Katalogs für Aussagen und Verifikationsbehauptungen finden.
Was noch fehlt: Jede Aussage mit abrufbaren Belegen verbinden und Quellenverweise sowie Zitierartefakte innerhalb der gewählten Textgattung validieren.
Zugehörige Muster: Behauptung ohne Beleg · Erfundene Ursache-Nutzen-Kette · Schmückende Formulierungen · Unnötige deutende Einleitungen · Unbelegte Erledigt-Meldung
slopt: Stop sounding like ChatGPTGegen-Prompts an Fällen prüfen, in denen das Original die Leseraufgabe bereits erfüllt. Ein größerer Anweisungskatalog allein belegt keine besseren Texte; Aussagen zu Englisch belegen keine Qualität im Deutschen.
- Beobachtung
- Ein kommerzieller Katalog bündelt Anweisungen gegen unerwünschte Sprachmuster als Prompt- oder Skill-Dateien. Die öffentlichen Beispiele verbieten bestimmte Satzzeichen und rhetorische Formen; die FAQ räumt ein, dass Prompts deren Einhaltung nicht garantieren können.
- Grenzen
- Werbeaussagen zu Musterzahlen, Crawls und abgedeckten Modellen wurden nicht unabhängig überprüft. Auf der Seite ließ sich keine nachvollziehbare Evaluation für die beworbene Wirkung feststellen; kostenpflichtige Inhalte oder Produkte wurden nicht getestet.
Anwendung in Voice
Nutzende können den erzeugten Prompt vor dem Einsatz mit ihrem eigenen Agenten prüfen. Voice enthält keine kostenpflichtigen Inhalte dieses Anbieters, führt sie nicht aus und verspricht keine Einhaltung von Prompts.
composeWritingReviewPrompt— Lokal Anweisungen aus ausgewählten Regeln und Beispielen mit Gültigkeitsbedingungen zusammenstellen.selectWritingRules— Die Anweisungen auf die jeweilige Schreibaufgabe begrenzen.
Was noch fehlt: Ein reproduzierbarer Prompt-Vergleich für Englisch und Deutsch mit erhaltenswerten Originalen, begründeten Überarbeitungen und berechtigten Ausnahmen von Stilvorgaben.
Zugehörige Muster: Erzwungene Dreiergruppen und Frage-Antwort-Schablonen · Formatierung an jedem Satz · Unbelegte Erledigt-Meldung · Schmückende Formulierungen
Studien: Methoden, Ergebnisse und Grenzen
Die Sammlung behandelt Textqualität, veränderten Wortgebrauch, sprachliche Vereinheitlichung, übermäßig zustimmendes Feedback, KI-Vorwürfe im Netz und die Erkennung von Urheberschaft. Jeder Eintrag trennt die untersuchten Bedingungen von unserer Folgerung für Voice und nennt die heute verfügbaren API-Funktionen. Bei Preprints weist der Abschnitt zu den Grenzen auf den Veröffentlichungsstatus hin.
Analysen, die sich aus den Studien ableiten
Studien zur Textüberarbeitung fließen in word-choice, format-fit, task-relevance ein: ungelenke und rein schmückende Formulierungen sowie fehlende nützliche Details prüfen. Forschung zu Behauptungen und übermäßiger Zustimmung betrifft claims-evidence, calibrated-uncertainty: ursprüngliche und vorgeschlagene Aussagen mit den bereitgestellten Belegen vergleichen.
Umsetzung: Diese Erkenntnisse sind als Anweisungen für kontextbezogene Prompts umgesetzt. Die statistischen Modelle der Studien, semantische Prüfungen auf Aussageerhalt und kalibrierte Bewertungsmodelle sind nicht implementiert. Forschung zu Wortschatzverschiebungen und Urheberschaft begrenzt die möglichen Schlüsse: Ein Worttreffer belegt keine Urheberschaft.
Den genauen Analyseumfang der Library ansehenCan AI writing be salvaged? Mitigating Idiosyncrasies and Improving Human-AI Alignment in the Writing Process through EditsWelche Überarbeitungen helfen bei ausgeschmückten, ungenauen oder redundanten KI-Texten?
- Methode
- Acht Schreibende wirkten an sieben Überarbeitungskategorien mit; achtzehn Schreibende bearbeiteten 1.057 Absätze kreativer Texte von GPT-4o, Claude 3.5 Sonnet und Llama 3.1-70B.
- Ergebnisse
Die Systematik unterscheidet ablenkende Ausschmückung, fehlende Konkretheit, ungelenke Wortwahl und redundante Erläuterungen.
Relevante Details können Texte verbessern, auch wenn sie dadurch länger werden.
- Grenzen
Kreative Textgattungen und subjektive fachliche Überarbeitungen belegen keine Fehlerraten für technische Überschriften. Eine Auswertung auf Absatzebene kann Probleme des gesamten Dokuments übersehen; sachliche Halluzinationen wurden nicht untersucht.
- Folgerung für Voice
- Prüfen, was die Formulierung zur Aufgabe der Leser beiträgt; hilfreiche Metaphern, Rhythmus und Konkretheit erhalten.
Anwendung in Voice
Der Composer stellt Anweisungen zusammen. Er erkennt diese semantischen Kategorien nicht und implementiert nicht das Überarbeitungsmodell der Studie.
selectWritingRules— Die Anweisungen zu reader-goal, word-choice und repetition auswählen.composeWritingReviewPrompt— Zielgruppe und Zweck für eine kontextbezogene Prüfung bereitstellen.
Was noch fehlt: Zitierte Probleme und Alternativen mit dem Seitenkontext vergleichen; bewusste Entscheidungen zum Beibehalten und unterschiedliche Fachurteile einbeziehen.
Zugehörige Muster: Kategorien vor der Aufgabe · Schmückende Formulierungen · Umwege durch optionale Details · Zusammenfassungsschleifen
Flattery, Fluff, and Fog: Diagnosing and Mitigating Idiosyncratic Biases in Preference ModelsBevorzugen Modellbewerter Oberflächenmerkmale stärker als Menschen?
- Methode
- Kontrollierte kontrafaktische Textpaare auf Englisch variieren fünf Merkmale. Vier Belohnungsmodelle und drei LLM-Bewerter werden mit jeweils drei menschlichen Urteilen pro Fall verglichen.
- Ergebnisse
Belohnungsmodelle bewerteten Fachjargon und Vagheit im Vergleich zu menschlichen Urteilen zu hoch; auch LLM-Bewerter zeigten verzerrte Präferenzen.
Kontrafaktisches Training verringerte die gemessene Fehlkalibrierung.
- Grenzen
Synthetische Textpaare mit jeweils einem Dialogschritt, ausgewählte ältere Modelle und uneinheitliche menschliche Bewertungen begrenzen die Übertragbarkeit. Die Studie kann die Ursache einer bestimmten Voice-Überschrift nicht erklären.
- Folgerung für Voice
- Nützlichkeit und Konkretheit unabhängig davon evaluieren, ob ein Bewerter eine geschliffene Darstellung bevorzugt.
Anwendung in Voice
Diese Anweisungen unterstützen die Prüfung. Sie kalibrieren keinen Bewerter und belegen keine Akzeptanz durch Menschen.
getWritingRule— Kontextbezogene Anweisungen zu Wortwahl und Format abrufen.composeWritingReviewPrompt— Konkrete Auswirkungen auf Leser und zitierte Belege anfordern.
Was noch fehlt: Kontrollierte Alternativen durch verblindete menschliche Beurteilung vergleichen; prüfen, ob schmückende Formulierungen Modellurteile trotz gleichwertigen Inhalts verändern.
Zugehörige Muster: Kategorien vor der Aufgabe · Schmückende Formulierungen · Formatierung an jedem Satz · Unbelegte Erledigt-Meldung
Measuring AI ‘Slop’ in TextWelche beobachtbaren Textprobleme tragen zur Einstufung als „AI Slop“ bei?
- Methode
- Neunzehn Fachantworten flossen in eine Systematik ein. Drei Lektorierende markierten in der abschließenden Auswertung englische Nachrichten und Antworten aus MS MARCO; Regressionen setzten markierte Textstellen mit Gesamturteilen in Beziehung.
- Ergebnisse
Relevanz, Informationsdichte und Ton gehörten zu den stärksten Prädiktoren; auch Faktentreue und Struktur waren bedeutsam.
Die Beurteilenden waren sich über problematische Textstellen eher einig als über die binäre Slop-Einstufung; automatische Bewerter bildeten menschliche Urteile schlecht nach.
- Grenzen
Preprint mit einem kleinen, gemeinsam kalibrierten Fachpanel und zwei Anwendungsbereichen. Subjektive Bewertungen und die begrenzte Abdeckung englischer Texte schränken die Verallgemeinerung ein.
- Folgerung für Voice
- Einzelne kontextbezogene Probleme anhand zitierter Belege prüfen; unterschiedliche Urteile dokumentieren, statt einen allgemeinen Slop-Wert zu vergeben.
Anwendung in Voice
Die API unterstützt eine Prüfung anhand ausgewählter Probleme. Sie implementiert weder das Annotationsschema der Studie noch einen allgemeinen Slop-Klassifikator.
composeWritingReviewPrompt— Getrennte, auf das Ziel bezogene Befunde mit genauen Zitaten anfordern.mountVoiceReview— Von der Host-Anwendung gelieferte Befunde an Textstellen zur Prüfung anzeigen.
Was noch fehlt: Seitenkontext aufbauen, zitierte Belege und Abdeckung validieren und unterschiedliche Prüfentscheidungen erhalten, ohne sie zu einem Qualitätswert zusammenzufassen.
Zugehörige Muster: Kategorien vor der Aufgabe · Umwege durch optionale Details · Behauptung ohne Beleg · Zusammenfassungsschleifen · Formatierung an jedem Satz
‘That's AI Slop, You Bot!’ Studying Accusations, Evidence, and Credibility in Online Discourse Towards LLM-Generated CommentsHängen KI-Vorwürfe im Netz mit Schreibmerkmalen oder sozialer Abgrenzung zusammen?
- Methode
- Etwa 25 Millionen Kommentare auf Hacker News und Reddit von Januar 2023 bis Mai 2026; Regex-Vorauswahl, Kodierung mit Claude Opus 4.7 und Vergleich von 421 beschuldigten Reddit-Kommentaren mit 2.048 zugeordneten Kontrollkommentaren.
- Ergebnisse
Abwertende Vorwürfe nahmen zu. Tabelle 4 verbindet eine größere mittlere Token-Länge mit geringeren Chancen einer Beschuldigung (OR 0,78; p<0,001); die anderen fünf geprüften Textmerkmale waren statistisch nicht signifikant.
- Grenzen
Preprint zu englischsprachigen Plattformen mit modellkodierten Kategorien und begrenztem Lexikon; die Autorschaft wurde nicht unabhängig festgestellt.
Der Fließtext behauptet, keines von vier unterscheidenden Merkmalen habe Vorwürfe vorhergesagt. Tabelle 4 berichtet jedoch einen signifikanten Koeffizienten für die mittlere Token-Länge. Dieser Widerspruch schränkt die formulierte Schlussfolgerung eines Nullbefunds ein.
- Folgerung für Voice
- Negative Leserreaktionen von Aussagen über die Autorschaft trennen; das konkrete Problem mit Wortwahl, Relevanz oder Belegen erfragen.
Anwendung in Voice
Eine Host-Anwendung kann aus einer Beschwerde einen Prüfauftrag machen. Die Library vergibt keine Autorschaftskennzeichnung und bewertet nicht die Glaubwürdigkeit einer kommentierenden Person.
getWritingRule— Anweisungen zu Belegen und Unsicherheit für einen strittigen Vorwurf abrufen.composeWritingReviewPrompt— Ein konkret zitiertes Problem und seine Auswirkungen auf Leser anfordern.
Was noch fehlt: Beobachtete Formulierungen, Deutungen der Prüfenden und stützende Belege in validierten Befunden trennen; widersprüchliche Belege und ungeklärte Aussagen einbeziehen.
Zugehörige Muster: Behauptung ohne Beleg · Gestapelte Relativierungen · Schmückende Formulierungen
Why Does ChatGPT ‘Delve’ So Much? Exploring the Sources of Lexical Overrepresentation in Large Language ModelsWarum kommen einige Wörter in generierten wissenschaftlichen Abstracts überproportional häufig vor?
- Methode
- Häufigkeitsanalyse in PubMed; 9.953 GPT-3.5-Rekonstruktionen von 10.000 Abstracts; Entropievergleich von Llama-2 Base und Chat; eine explorative Präferenzstudie mit 201 angeworbenen Teilnehmenden in Indien.
- Ergebnisse
Einundzwanzig untersuchte Wörter verbanden steigende Häufigkeit im Korpus mit übermäßigem Gebrauch durch GPT-3.5.
Die Modellunterschiede waren mit Nachtrainingseffekten vereinbar. Insgesamt bevorzugten die Teilnehmenden jedoch keine Abstracts mit den untersuchten Wörtern; Texte, die mit „delve“ begannen, wurden weniger bevorzugt.
- Grenzen
Nach Ausschlüssen und der Aufteilung auf Bedingungen hatte die Online-Studie zu geringe statistische Teststärke. Erzwungene Wortwahl konnte die Bedeutung verändern; nicht verfügbare Trainingsdaten verhindern eine kausale Zuordnung zu RLHF.
- Folgerung für Voice
- Lexikalische Hinweise als Kandidaten für eine kontextbezogene Prüfung behandeln, ohne sie einem einzelnen Trainingsmechanismus zuzuschreiben oder Wörter zu verbieten.
Anwendung in Voice
Der aktuelle Musterabgleich implementiert nicht die Wortliste der Studie und erkennt „delve“ nicht. Seine Kandidaten benötigen eine separate kontextbezogene Beurteilung.
getWritingRule— Anweisungen zur Wortwahl und berechtigte Ausnahmen abrufen.findWritingSignals— Ausschließlich die veröffentlichten Muster für typische Formulierungen von Voice finden.
Was noch fehlt: Wortwahlalternativen anhand von Bedeutung, Fachgebiet und Zielgruppe bewerten; anschließend begründete Änderungen und berechtigte Originalformulierungen je Sprache evaluieren.
Zugehörige Muster: Schmückende Formulierungen · Erfundene Ursache-Nutzen-Kette · Gestapelte Relativierungen
Delving into LLM-assisted writing in biomedical publications through excess vocabularyLässt sich LLM-Unterstützung in biomedizinischen Abstracts aus aggregierten Änderungen der Worthäufigkeit schätzen?
- Methode
- Analyse von 15,1 Millionen englischen PubMed-Abstracts aus den Jahren 2010–2024. Nach Entfernung störender Metadaten werden Wortvorkommen von 2024 mit konservativen Fortschreibungen aus 2021–2022 verglichen.
- Ergebnisse
Stilprägende Wörter nahmen sprunghaft zu. Unter den Annahmen der Studie ergab die überschüssige Worthäufigkeit für LLM-unterstützte Abstracts von 2024 eine geschätzte Untergrenze von 13,5 %.
- Grenzen
Eine Schätzung auf Korpusebene kann einzelne Abstracts nicht kennzeichnen und direkte Unterstützung nicht von der Übernahme modischer Wörter durch Menschen unterscheiden. Überarbeitungspraktiken und Verzögerungen bis zur Veröffentlichung erschweren Vergleiche zwischen Untergruppen.
- Folgerung für Voice
- Verschiebungen der Wortwahl zur Bildung von Prüfhypothesen nutzen, niemals als Beleg dafür, dass ein bestimmter Satz falsch oder maschinell verfasst ist.
Anwendung in Voice
Host-Anwendungen können diese lokalen Ergebnisse manuell sammeln. Die API analysiert keine Korpushäufigkeiten, führt keinen historischen Vergleich durch und schätzt keinen Anteil an KI-Unterstützung.
findWritingSignals— Kandidaten in der Wortwahl und die Abdeckung für einen übergebenen Text zurückgeben.getWritingRule— Erklären, weshalb ein lexikalischer Hinweis eine kontextbezogene Prüfung benötigt.
Was noch fehlt: Wiederkehrende Wortwahl in versionierten Git-Dokumenten mit ausdrücklich definiertem Korpus prüfen; uneinheitliche Terminologie von bewusster Wiederholung unterscheiden.
Zugehörige Muster: Schmückende Formulierungen · Behauptung ohne Beleg · Gestapelte Relativierungen
Generative AI enhances individual creativity but reduces the collective diversity of novel contentKann Unterstützung einzelne Texte verbessern und zugleich die Vielfalt einer Sammlung verringern?
- Methode
- Präregistriertes randomisiertes Experiment: 293 Teilnehmende aus dem Vereinigten Königreich schrieben Geschichten aus acht Sätzen ohne GPT-4-Idee, mit einer verfügbaren Idee oder mit bis zu fünf Ideen. Sechshundert Beurteilende vergaben Bewertungen; Embeddings maßen die Ähnlichkeit.
- Ergebnisse
Der Zugang zu Ideen verbesserte Bewertungen von Neuartigkeit und Nützlichkeit, besonders bei Schreibenden mit niedrigerer anfänglicher Kreativität. Zugleich ähnelten sich die unterstützten Geschichten stärker.
- Grenzen
Kurze fiktionale Texte, nichtprofessionelle Teilnehmende und feste Prompts ohne wiederholten Dialog; weder professionelle Dokumentation noch langfristige Kreativität wurden geprüft.
- Folgerung für Voice
- Nützlichkeit und Eigenständigkeit getrennt bewerten; wirksame Unterstützung erhalten und wiederkehrende Darstellungsweisen über Seiten oder Alternativen hinweg prüfen.
Anwendung in Voice
Die Prompt-Anweisungen fordern unterschiedliche Alternativen. Keine API erzeugt diese Alternativen, misst ihre Ähnlichkeit oder ordnet sie automatisch nach Nützlichkeit.
composeWritingReviewPrompt— Eine bis drei eigenständige Alternativen anfordern, wenn eine Änderung begründet ist.selectWritingRules— reader-goal und repetition in die Prüfung aufnehmen.
Was noch fehlt: Alternativen mit dem ursprünglichen Ziel vergleichen und wiederkehrende Darstellungsweisen auf Projektseiten prüfen; Nützlichkeit und Eigenständigkeit als getrennte Prüfkriterien erhalten.
Zugehörige Muster: Zusammenfassungsschleifen · Kategorien vor der Aufgabe · Schmückende Formulierungen
Towards Understanding Sycophancy in Language ModelsKann zustimmendes Feedback höher bewertet werden als Belege oder wahrheitsgemäße Korrekturen?
- Methode
- Prompt-Variationen testeten Claude 1.3/2.0, GPT-3.5/GPT-4 und Llama-2-70B-Chat. Die Analyse umfasste 15.000 Paare menschlicher Präferenzurteile und ein Experiment mit 266 Fehlvorstellungen.
- Ergebnisse
Geäußerte Nutzerpräferenzen veränderten Kritik und Antworten; einige richtige Antworten wurden nach Widerspruch aufgegeben.
Menschen bevorzugten im Allgemeinen hilfreiche, wahrheitsgemäße Antworten. Überzeugende Zustimmung zu Fehlvorstellungen gewann jedoch mitunter, besonders bei schwierigeren Fragen.
- Grenzen
Ältere Modelle, modellunterstützte Bewertungen und ein exemplarischer Satz von Fehlvorstellungen. Die menschlichen Beurteilenden konnten keine externen Faktenprüfungen durchführen; die Ergebnisse sind keine Fehlerraten aktueller Modelle.
- Folgerung für Voice
- Für das Beibehalten und das Ändern von Texten Gründe und Belege verlangen; Zustimmung zum Auftraggeber reicht als Validierung nicht aus.
Anwendung in Voice
Eine Host-Anwendung kann diese Anweisungen mit ihrem gewählten Agenten verwenden. Prompt-Formulierungen allein prüfen keine Wahrheit und verhindern keine durch Zustimmung getriebenen Änderungen.
composeWritingReviewPrompt— Mit Belegen verknüpfte Gründe für das Beibehalten oder Ändern einer Passage verlangen.getWritingRule— Anweisungen zu claims-evidence und calibrated-uncertainty bereitstellen.
Was noch fehlt: Überarbeitete Aussagen mit Quellbelegen abgleichen und evaluieren, ob eine geänderte geäußerte Präferenz des Auftraggebers ein ansonsten identisches Review verändert.
Zugehörige Muster: Behauptung ohne Beleg · Erfundene Ursache-Nutzen-Kette · Gestapelte Relativierungen · Unbelegte Erledigt-Meldung
GPT detectors are biased against non-native English writersKönnen Detektorwerte sprachlichen Hintergrund mit maschineller Autorschaft verwechseln?
- Methode
- Sieben handelsübliche Detektoren, abgerufen im März 2023, bewerteten 91 von Menschen verfasste TOEFL-Aufsätze und 88 Aufsätze aus achten Klassen in den USA. Weitere Experimente änderten die Wortwahl mithilfe von ChatGPT.
- Ergebnisse
Die durchschnittliche Fehlalarmrate lag für TOEFL-Aufsätze bei etwa 61 %, für die US-Aufsätze bei rund 5 %.
Eine anspruchsvollere Wortwahl verringerte Fehlalarme bei TOEFL-Aufsätzen; Selbstüberarbeitung verringerte auch die Erkennung generierter Aufsätze.
- Grenzen
Kleine, nicht aufeinander abgestimmte Bildungskorpora und ältere Detektorversionen. Die Befunde belegen nicht dieselbe Verzerrung in jeder Sprache, Textgattung oder jedem aktuellen Detektor.
- Folgerung für Voice
- Nichtmuttersprachliche Ausdrucksweisen erhalten und Auswirkungen auf Leser direkt beurteilen; Flüssigkeit oder Vorhersehbarkeit belegen keine Autorschaft.
Anwendung in Voice
Diese APIs unterstützen eine kontextbezogene Prüfung ohne Autorschaftswert. Übersetzte Anweisungen belegen keine gleichwertige Prüfqualität für unterschiedliche sprachliche Hintergründe.
getWritingRule— Ausnahmen der Regel word-choice zeigen, bevor eine Formulierung als Mangel gilt.composeWritingReviewPrompt— Zielgruppe, Ziel und englische oder deutsche Anweisungen bereitstellen.
Was noch fehlt: Akzeptierte Originale und begründete Änderungen über sprachliche Hintergründe und Fachgebiete hinweg testen; Fehlalarme ausweisen, ohne sprachliche Flüssigkeit als Herkunftskennzeichnung zu verwenden.
Zugehörige Muster: Schmückende Formulierungen · Behauptung ohne Beleg · Gestapelte Relativierungen
RAID: A Shared Benchmark for Robust Evaluation of Machine-Generated Text DetectorsBleiben Detektorergebnisse bei anderen Generatoren, Fachgebieten und Stichprobeneinstellungen bestehen?
- Methode
- Benchmark von zwölf Detektoren anhand von über sechs Millionen generierten Beispielen aus elf Generatoren, acht Anwendungsbereichen, vier Dekodierungseinstellungen und elf Angriffen; Vergleich der Erkennung bei einer festen Fehlalarmrate von 5 %.
- Ergebnisse
Unbekannte Generatoren, Stichprobenverfahren, Wiederholungsstrafen und Textänderungen senkten die Erkennungsleistung. Die Rangfolge der Detektoren hing von der erlaubten Fehlalarmrate ab.
- Grenzen
Die Kernabdeckung ist Englisch; mehrsprachige Erweiterungen umfassen Nachrichten. Modelle veralten. Optimierung auf einen öffentlichen Benchmark kann den Anschein einer Übertragbarkeit auf andere Bereiche erzeugen.
- Folgerung für Voice
- Sprache, Anwendungsbereich und getestete Quellbedingungen ausweisen; einen Detektor-Benchmarkwert niemals in einen Wert für Schreibqualität umdeuten.
Anwendung in Voice
Die zurückgegebene Abdeckung beschreibt den lexikalischen Scan, keine gemessene Erkennungsgenauigkeit. Die Library importiert RAID nicht und führt keine Detektor-Evaluationen aus.
findWritingSignals— Geprüfte und nicht geprüfte Regeln, Sprache und eine etwaige Kürzung ausweisen.composeWritingReviewPrompt— Ausdrückliche Grenzen der Prüfabdeckung anfordern.
Was noch fehlt: Review-Prompts in angegebenen Anwendungsbereichen, Sprachen und bearbeiteten Eingaben evaluieren; die Herkunft von Ergebnissen validieren und die Abdeckung von Testfällen von gemessenen Prüfergebnissen unterscheiden.
Zugehörige Muster: Unbelegte Erledigt-Meldung · Behauptung ohne Beleg · Gestapelte Relativierungen
LLM-as-a-Coauthor: Can Mixed Human-Written and Machine-Generated Text Be Detected?Was geschieht, wenn sowohl Menschen als auch Modelle ein Dokument überarbeiten?
- Methode
- MixSet kombiniert sprachliche Glättung, Vervollständigung, Neufassung und Anpassung in sechs Texttypen mit GPT-4, Llama-2-70B und acht menschlichen Bearbeitenden. Experimente vergleichen binäre und dreiklassige Erkennung sowie die Übertragbarkeit zwischen Bearbeitungsarten.
- Ergebnisse
Feine Überarbeitungen erschwerten die Erkennung. Training mit gemischten Beispielen verbesserte einige Ergebnisse; die Übertragbarkeit hing jedoch von Bearbeitungsart und Generator ab.
- Grenzen
Konstruierte englische Szenarien verwenden nur wenige Generatoren; ein Teil der als menschlich wirkend überarbeiteten Fassungen ist modellsimuliert. Binäre Experimente kennzeichnen sämtliche gemischten Texte als maschinell generiert. Dies ist eine Konvention der Studie, keine Tatsache über die Autorschaft.
- Folgerung für Voice
- Quellversionen und akzeptierte Änderungen erhalten; den Zweck jeder Passage prüfen, ohne gemeinschaftliches Schreiben auf eine binäre Herkunftskennzeichnung zu reduzieren.
Anwendung in Voice
Eine Host-Anwendung kann eine gemeinsam bearbeitete Passage ohne Herkunftskennzeichnung prüfen. Das Overlay prüft die Textzuordnung, führt jedoch keine Versionshistorie.
mountVoiceReview— Von der Host-Anwendung gelieferte Befunde an passende gerenderte Texteinheiten binden.composeWritingReviewPrompt— Quellverweise anfordern und dabei akzeptierte Entscheidungen erhalten.
Was noch fehlt: Entscheidungen an Git-Versionen und validierte Quellbereiche binden; erkennen, wenn spätere Änderungen die von einer prüfenden Person akzeptierte Passage ungültig machen.
Zugehörige Muster: Behauptung ohne Beleg · Gestapelte Relativierungen · Unbelegte Erledigt-Meldung
Gegenstrategien und ihre Belege
Ob ein Gegen-Prompt hilft, muss geprüft werden. Diese Studien untersuchen Trainingsanreize, wiederholtes Feedback und menschliche Kontrolle. Keine davon belegt die Wirksamkeit der aktuellen Voice-Prompts über Claude, Codex und Gemini hinweg.
Wie die Erkenntnisse in Prompts einfließen
Jede ausgewählte Regel trägt ihr Erkennungsmerkmal, die Auswirkung auf Leser, eine Bearbeitungsanweisung, ein bedingtes Vorher-nachher-Beispiel und ein Beispiel zum Beibehalten bei. Die Prompt-Zusammenstellung ergänzt Zielgruppe und Ziel, Grenzen des Quellkontexts, begründete Alternativen und Vorgaben zur Prüfungsabdeckung.
Umsetzung: Die einbindende Anwendung führt den Prompt aus. Der Qualitätsbenchmark bewertet bereitgestellte Ergebnisse anhand unveränderlicher Eingaben und gesonderter menschlicher Urteile. Das Paket trainiert keine Modelle, führt keine Schleife zur Selbstüberarbeitung aus und wertet die Zustimmung eines Modells nicht als unabhängige Prüfung.
Den genauen Analyseumfang der Library ansehenDisentangling Length from Quality in Direct Preference OptimizationFür Voice: Alternativen ähnlicher Länge vergleichen und die Erfüllung der Leseraufgabe gesondert bewerten. Textlänge ist ein Diagnosemerkmal; notwendige Erklärungen und Einschränkungen müssen erhalten bleiben.
- Methode
- Pythia 2.8B wurde mit herkömmlichem und längenregularisiertem DPO auf Präferenzdaten für Dialoge und Zusammenfassungen trainiert. Pro Einstellung wurden 256 generierte Antworten anhand von GPT-4-Urteilen verglichen.
- Ergebnis
- Die Regularisierung verkürzte die Antworten und verbesserte die Präferenzbewertungen gegenüber Einstellungen mit ähnlich langen Antworten. Unkontrollierte Präferenzoptimierung verstärkte die Ausführlichkeit.
- Grenzen
- Untersucht wurden eine Modellgröße und zwei Datensätze; die Bewertung übernahm ein Modell. Dieser Eingriff ins Training belegt nicht, dass ein Prompt mit der Aufforderung zur Kürze Dokumentation verbessert.
Anwendung in Voice
Eine Host-Anwendung kann Alternativen anfordern, ohne Texte pauschal verkürzen zu lassen. Die API optimiert kein Modell, bewertet keine Aufgabenerfüllung und vergleicht keine Antwortlängen.
composeWritingReviewPrompt— Die Aufgabe der Leser benennen und Regeln zu Relevanz oder Wiederholungen auswählen.
Was noch fehlt: Alternativen nach Aufgabenerfüllung, erhaltenen Einschränkungen und Länge vergleichen. Dafür werden Testfälle benötigt, die nützliche Erklärungen von unnötigen Erweiterungen unterscheiden.
Zugehörige Muster: Zusammenfassungsschleifen · Umwege durch optionale Details · Unpriorisierte Liste aller Möglichkeiten · Formatierung an jedem Satz
Self-Refine: Iterative Refinement with Self-FeedbackFür Voice: Vor Alternativen eine konkrete, mit Belegen verknüpfte Kritik anfordern. Den Umfang der Überarbeitung begrenzen, sie mit dem Original vergleichen und das Beibehalten des Originals ermöglichen.
- Methode
- Dasselbe Modell erzeugte, kritisierte und überarbeitete Ausgaben mit aufgabenspezifischen Prompts für sieben Aufgaben. Die Auswertung verband Aufgabenmetriken, Modellurteile und Urteile der Studienautoren, denen die Herkunft der Ausgaben verborgen blieb.
- Ergebnis
- Die Überarbeitung verbesserte die Ergebnisse der untersuchten Aufgaben. Menschliche Bewertende bevorzugten die überarbeiteten Ausgaben bei Dialogen, der Umkehrung einer Textstimmung, der Bildung von Akronymen und der Lesbarkeit von Code.
- Grenzen
- Untersucht wurden englischsprachige Aufgaben und überwiegend proprietäre Modelle von 2023. Die menschliche Bewertung beruhte meist auf einem Urteil eines Studienautors pro Beispiel. Besser bewertete Dialoge können zugleich ausführlicher sein.
Anwendung in Voice
Die Host-Anwendung übermittelt die Prompts und steuert mögliche Überarbeitungsschleifen selbst. maxFindings fordert eine Obergrenze für Befunde an; der Parameter erzwingt weder deren Einhaltung noch eine Begrenzung der Modellkosten.
composeWritingReviewPrompt— Eine inhaltlich begrenzte Kritik mit belegten Alternativen vorbereiten.selectWritingRules— Ein anschließendes Review auf die relevanten Regel-IDs begrenzen.
Was noch fehlt: Jede Kritik validieren und Reviews mit klar begrenztem Umfang und expliziten Verbrauchsbudgets zusammenstellen, bevor die Host-Anwendung eine weitere Runde startet.
Zugehörige Muster: Kategorien vor der Aufgabe · Zusammenfassungsschleifen · Behauptung ohne Beleg · Umwege durch optionale Details
Large Language Models Cannot Self-Correct Reasoning YetFür Voice: Eine Modellkritik als Vorschlag behandeln. Geänderte Aussagen anhand der Quellen prüfen und das Original beibehalten, wenn die Kritik nicht ausreichend begründet ist.
- Methode
- Die Experimente verglichen erste Antworten mit bis zu zwei Runden der Selbstkorrektur bei Schlussfolgerungsaufgaben. Dabei wurde zwischen Feedback mit bekannten richtigen Antworten und rein modellbasiertem Feedback unterschieden.
- Ergebnis
- Ohne Kennzeichnung der richtigen Antworten änderten die untersuchten Modelle häufig korrekte Antworten in fehlerhafte. Bessere Ausgangsprompts verringerten zudem den vermeintlichen Nutzen der nachträglichen Überarbeitung.
- Grenzen
- Die ICLR-2024-Studie untersucht ältere Modelle und Schlussfolgerungsaufgaben. Die Autoren grenzen Stilpräferenzen ausdrücklich davon ab; bei diesen kann Selbstkorrektur hilfreich sein.
Anwendung in Voice
Diese Anweisungen können eine zweite Einschätzung anleiten. Die Library enthält aber keinen Faktenprüfer und kann nicht feststellen, ob eine überarbeitete Antwort besser ist.
composeWritingReviewPrompt— Fehlende Belege und begründete Entscheidungen zum Beibehalten des Originals anfordern.getWritingRule— Die Anforderungen von claims-evidence und reported-evidence abrufen.
Was noch fehlt: Jede vorgeschlagene Änderung einer Aussage anhand bereitgestellter Belege prüfen und die Überarbeitung vor der Annahme einer Korrektur mit dem Original vergleichen.
Zugehörige Muster: Behauptung ohne Beleg · Unbelegte Erledigt-Meldung · Erfundene Ursache-Nutzen-Kette · Gestapelte Relativierungen
CoAuthor: Designing a Human-AI Collaborative Writing Dataset for Exploring Language Model CapabilitiesFür Voice: Alternativen freiwillig anbieten und Entscheidungen zum Beibehalten, Annehmen oder Bearbeiten festhalten. Den Erhalt der Autorenabsicht direkt prüfen; eine hohe Annahmequote genügt nicht als Erfolgsmaß.
- Methode
- 63 Schreibende absolvierten 1.445 englischsprachige Schreibsitzungen mit Vorschlägen von GPT-3. Die Oberfläche protokollierte Anfragen, Auswahl, Verwerfen und Bearbeitung; Befragungen erfassten das Gefühl eigener Urheberschaft und die Zufriedenheit.
- Ergebnis
- Das Gefühl eigener Urheberschaft hing mit dem selbst geschriebenen Textanteil zusammen. Die Bearbeitungsaktivität allein zeigte kaum einen Zusammenhang damit. Wie die Zusammenarbeit verlief, unterschied sich deutlich zwischen den Schreibenden.
- Grenzen
- Dieser CHI-2022-Datensatz zeigt Zusammenhänge, liefert aber keinen randomisierten Test zum Erhalt der Autorenabsicht. Die Teilnehmenden waren qualifizierte Crowdworker, die kurze Geschichten und Essays nach vorgegebenen Aufgaben verfassten.
Anwendung in Voice
Die Host-Anwendung stellt das Auswahlpanel bereit und speichert die Entscheidungen. Das Einbinden der Library allein protokolliert weder Annahme noch Verwerfen oder Bearbeitungsverlauf.
mountVoiceReview— Callbacks für Textauswahl und Befunde für die Review-Oberfläche der Host-Anwendung bereitstellen.composeWritingReviewPrompt— Freiwillige Alternativen oder eine begründete Entscheidung zum Beibehalten anfordern.
Was noch fehlt: Autorenentscheidungen mit Quellversionen speichern und Alternativen mit der erklärten Absicht vergleichen, ohne die Anzahl angenommener Vorschläge als Qualitätsmaß zu verwenden.
Zugehörige Muster: Kategorien vor der Aufgabe · Behauptung ohne Beleg
Den Review-Auftrag eingrenzen
Die Library verbindet ein ausgewähltes Regelprofil mit Zielgruppe und Ziel. Die einbindende Anwendung kann belegte Fakten, Quelltext und akzeptierte Entscheidungen als getrennt gekennzeichneten Kontext ergänzen. Der Prompt fordert konkrete Befunde und bis zu drei Alternativen für ein benanntes Problem an. Den Text beizubehalten bleibt eine mögliche Entscheidung.
Schreibwerkzeuge in die eigene Anwendung einbinden · Die typisierte API verwenden
Bibliotheken und Analysewerkzeuge
Funktionen, Lizenzen und Projektpflege wurden am 12. September 2026 anhand der Quellen der jeweiligen Projekte geprüft. Die Einschätzungen zur Einbindung in Voice stammen von uns. Der Vergleich beschreibt dokumentierte Fähigkeiten. Die Werkzeuge sind noch nicht in Voice eingebunden; vergleichende Leistungsmessungen liegen nicht vor.
Adapter für zusätzliche statische Analysen
Vale eignet sich für in Git gepflegte Begriffs- und Stilregeln, textlint für Regeln, die die Markup-Struktur berücksichtigen. LanguageTool kommt für deutsche und englische Grammatikprüfungen infrage. Harper bietet lokale englische Korrekturprüfungen im Browser. Die Einträge unten beschreiben weitere Möglichkeiten und ihre jeweiligen Grenzen.
Umsetzung: Keines der aufgeführten Werkzeuge ist bisher mitgeliefert oder angebunden. Ein Adapter muss Werkzeug und Version, Quelltext und verifizierte Textbereiche erhalten. Nach Prüfung durch die einbindende Anwendung lassen sich die Befunde mit @voice/review anzeigen. Ob eine Überschrift im Kontext funktioniert und ob Aussagen belegt sind, muss gesondert geprüft werden.
Den genauen Analyseumfang der Library ansehen| Projekt | Ausführung und API | Sprachabdeckung |
|---|---|---|
| Vale | Lokale Go-CLI; Eingabe über Dateien oder stdin, Diagnosen als JSON; kein Modell erforderlich. | Standardmäßig Englisch; Deutsch erfordert passende Regeln und ein Hunspell-Wörterbuch. |
| textlint | Lokale JavaScript-CLI, createLinter/lintText-API oder universeller @textlint/kernel; externe Aufrufe hängen von den Plugins ab. | Die Sprachabdeckung hängt von Plugins ab. Englische Regeln sind aufgeführt; ein mitgeliefertes deutsches Grammatikpaket wurde nicht bestätigt. |
| retext / retext-simplify | Lokales ESM-Plugin für unified/retext in Node, Deno oder Browsern; kein Modell erforderlich. | Englische Beispiele zur sprachlichen Vereinfachung. Der Parser für lateinische Schrift verarbeitet auch Deutsch; ein deutsches Vereinfachungspaket wurde nicht bestätigt. |
| write-good | Lokale Node-Funktion writeGood(text, options) und CLI; kein Modell erforderlich. | Standardmäßig Englisch. Das README verlinkt eine separate, einfache deutsche Erweiterung namens schreib-gut; sie wurde hier nicht untersucht. |
| LanguageTool | Lokale Java-Engine oder selbst betriebene HTTP-JSON-API; der Cloud-Dienst ist ein separates Angebot. | Sprachmodule für Englisch und Deutsch sowie weitere Sprachen und regionale Varianten. |
| Harper | Lokale Rust-Engine und WebAssembly-Paket harper.js; für interaktive Browseranwendungen wird WorkerLinter empfohlen. | Nur Englisch; Deutsch wird derzeit nicht unterstützt. |
| proselint | Lokale Python-API LintFile und CLI; JSON-Diagnosen und pre-commit-Integration; kein Modell erforderlich. | Englische Texte; eine Abdeckung für Deutsch ist im geprüften README nicht dokumentiert. |
| promptfoo | Lokale Node-CLI/evaluate-API; deterministische Prüfungen oder modellgestützte Bewertung. Konfigurierte externe Anbieter erhalten die Eingaben der Auswertung. | Sprachunabhängige Testfälle; die Qualität der englischen und deutschen Bewertung hängt von den gewählten Prüfkriterien und Modellen ab. |
ValeUnsere Einschätzung: geeignet für in Git verwaltete Stilregeln und CI. Die Diagnosen lassen sich in Voice-Befunde übertragen; menschliche Entscheidungen müssen dabei erhalten bleiben.
Offizielles Repository · MIT Lizenz
- Ausführung
- Lokale Go-CLI; Eingabe über Dateien oder stdin, Diagnosen als JSON; kein Modell erforderlich.
- Sprachen
- Standardmäßig Englisch; Deutsch erfordert passende Regeln und ein Hunspell-Wörterbuch.
- Funktionen
Versionierte YAML-Regeln, Terminologielisten und einstellbare Schweregrade.
Markup-Bereiche unterscheiden Fließtext, Überschriften und Code; Ersetzungsregeln liefern Vorschläge.
- Grenzen
Der erklärte Schwerpunkt liegt auf einheitlichem Stil, nicht auf einer umfassenden Grammatikprüfung.
Unsere Einschätzung: Mustertreffer belegen weder sachliche Richtigkeit noch eine passende Seitenstrategie oder KI-Urheberschaft.
- Projektpflege · Stand 2026-09-12
- Neueste GitHub-Veröffentlichung: v3.21.0 vom 09.09.2026; über die Release-API geprüft.
Anwendung in Voice
Ein Vale-Adapter ist nicht enthalten. Die Host-Anwendung kann bereits selbst umgewandelte Ergebnisse anzeigen, sofern der Text der Einheit exakt mit dem dargestellten Dokument übereinstimmt.
mountVoiceReview— Befunde anzeigen, nachdem die Host-Anwendung externe Diagnosen Voice-Texteinheiten zugeordnet hat.
Was noch fehlt: Vale-Diagnosen mit Regelherkunft, Schweregrad und markupgerechten Quellpositionen übernehmen; UTF-16-Textbereiche validieren und Vorschläge an die geprüfte Quellversion binden.
Zugehörige Muster: Schmückende Formulierungen · Zusammenfassungsschleifen · Erfundene Wortketten · Formatierung an jedem Satz
textlintUnsere Einschätzung: Die JavaScript-Architektur eignet sich für wiederverwendbare Regelpakete, Diagnosen mit Quellbezug und prüfbare Korrekturen.
Offizielles Repository · MIT Lizenz
- Ausführung
- Lokale JavaScript-CLI, createLinter/lintText-API oder universeller @textlint/kernel; externe Aufrufe hängen von den Plugins ab.
- Sprachen
- Die Sprachabdeckung hängt von Plugins ab. Englische Regeln sind aufgeführt; ein mitgeliefertes deutsches Grammatikpaket wurde nicht bestätigt.
- Funktionen
Parser für Markdown und Klartext, eigene Regeln, Filter und Ausgabeformate.
Fix-APIs geben Änderungsvorschläge zurück, ohne Dateien zu schreiben.
- Grenzen
Der Kern enthält keine Regeln. Qualität und Lizenz jedes Plugins müssen gesondert geprüft werden.
Unsere Einschätzung: Regeln auf Basis eines Syntaxbaums beurteilen für sich genommen weder Positionierung noch Urheberschaft.
- Projektpflege · Stand 2026-09-12
- Neueste Veröffentlichung v15.8.0 vom 01.08.2026; API-Dokumentation am 09.09.2026 aktualisiert.
Anwendung in Voice
Voice lädt derzeit keine textlint-Regeln und ruft dessen Fix-API nicht auf. Die einbindende Anwendung übernimmt Parsing, Plugin-Auswahl und Umwandlung, bevor sie Befunde übergibt.
mountVoiceReview— Von der Host-Anwendung umgewandelte Lint-Befunde anzeigen, ohne den Quelltext zu verändern.
Was noch fehlt: textlint-Meldungen und Korrekturvorschläge in validierte Voice-Befunde umwandeln. Plugin-Identität, exakte Textbereiche und die erforderliche Quellversion müssen für das spätere Review erhalten bleiben.
Zugehörige Muster: Schmückende Formulierungen · Unnötige deutende Einleitungen · Zusammenfassungsschleifen · Formatierung an jedem Satz
retext / retext-simplifyUnsere Einschätzung: Die Struktur für Meldungen und Vorschläge eignet sich für optionale Hinweise zur Wortwahl. Quellpositionen und die Möglichkeit, das Original beizubehalten, müssen erhalten bleiben.
Offizielles Repository · MIT Lizenz
- Ausführung
- Lokales ESM-Plugin für unified/retext in Node, Deno oder Browsern; kein Modell erforderlich.
- Sprachen
- Englische Beispiele zur sprachlichen Vereinfachung. Der Parser für lateinische Schrift verarbeitet auch Deutsch; ein deutsches Vereinfachungspaket wurde nicht bestätigt.
- Funktionen
Liefert VFile-Meldungen mit Textposition, ruleId, vorgefundener Formulierung und vorgeschlagenen Alternativen.
Unterstützt Ausnahmelisten für Formulierungen und die Kombination mit weiteren Prosa-Plugins.
- Grenzen
Unsere Einschätzung: Das Ersetzen von Formulierungen klärt nicht, ob ein Fachbegriff notwendig oder eine Aussage belegt ist.
- Projektpflege · Stand 2026-09-12
- Neueste simplify-Veröffentlichung: 8.0.0 vom 10.09.2023; keine neuere GitHub-Veröffentlichung gefunden.
Anwendung in Voice
In Voice läuft kein retext-Plugin. Die einbindende Anwendung muss VFile-Meldungen derzeit selbst umwandeln und eine Oberfläche für Entscheidungen bereitstellen.
getWritingRule— Regeln zur Wortwahl für Fachbegriffe und zulässige Originalformulierungen abrufen.mountVoiceReview— Einen Vorschlag anzeigen, nachdem die Host-Anwendung ihn in einen Befund umgewandelt hat.
Was noch fehlt: Vorschläge mit Textpositionen in validierte UTF-16-Befunde übertragen und Ersetzungen mit der ursprünglichen Bedeutung vergleichen. Die ausdrückliche Entscheidung, eine Formulierung beizubehalten, muss gespeichert werden.
Zugehörige Muster: Schmückende Formulierungen · Mechanismus ohne konkreten Vorgang · Erfundene Wortketten
write-goodUnsere Einschätzung: als kleine Vergleichsbasis für lokale Musterprüfungen geeignet. Eine kontextbezogene Bewertung muss außerhalb der Prüfengine erfolgen.
Offizielles Repository · MIT Lizenz
- Ausführung
- Lokale Node-Funktion writeGood(text, options) und CLI; kein Modell erforderlich.
- Sprachen
- Standardmäßig Englisch. Das README verlinkt eine separate, einfache deutsche Erweiterung namens schreib-gut; sie wurde hier nicht untersucht.
- Funktionen
Markiert Passivkonstruktionen, Wortwiederholungen, Klischees, Adverbien und umständliche Formulierungen.
Liefert reason, index und length; Prüfungen lassen sich deaktivieren, ergänzen und durch Ausnahmelisten einschränken.
- Grenzen
Das Projekt bezeichnet seine Methode als naiv.
Unsere Einschätzung: Pauschale Warnungen vor Passiv und Adverbien können sinnvolle Formulierungen beanstanden. KI-Urheberschaft lässt sich damit nicht feststellen.
- Projektpflege · Stand 2026-09-12
- Die GitHub-Seite für Veröffentlichungen enthält keine Releases; das Datum der letzten Paketveröffentlichung wurde nicht bestätigt.
Anwendung in Voice
Voice ruft write-good nicht auf und übernimmt dessen Passiv- oder Adverbprüfungen nicht. Die veröffentlichten Voice-Muster bilden einen eigenen, begrenzten Regelsatz.
findWritingSignals— Die Ergebnisse der lokalen Musterprüfung von Voice als Vergleichsbasis bereitstellen.mountVoiceReview— Extern bereitgestellte Befunde nach Zuordnung durch die Host-Anwendung anzeigen.
Was noch fehlt: Aktivierte Prüfungen mit Angabe der Prüfengine übernehmen und Fehlalarme bei sinnvollen Passivkonstruktionen, notwendigen Einschränkungen und akzeptierten Formulierungen untersuchen.
Zugehörige Muster: Schmückende Formulierungen · Zusammenfassungsschleifen · Gestapelte Relativierungen · Erzwungene Dreiergruppen und Frage-Antwort-Schablonen
LanguageToolUnsere Einschätzung: Kandidat für einen zweisprachigen Korrekturadapter ergänzend zum kontextbezogenen Voice-Review. Der verwendete lokale oder Cloud-Modus muss angegeben werden.
Offizielles Repository · LGPL-2.1-or-later Lizenz
- Ausführung
- Lokale Java-Engine oder selbst betriebene HTTP-JSON-API; der Cloud-Dienst ist ein separates Angebot.
- Sprachen
- Sprachmodule für Englisch und Deutsch sowie weitere Sprachen und regionale Varianten.
- Funktionen
Diagnosen zu Grammatik, Rechtschreibung und Stil mit Textpositionen und Ersetzungsvorschlägen.
Annotierter Text erhält die Zuordnung von Positionen auch im Umfeld von Markup.
- Grenzen
Der selbst betriebene Server enthält weder die KI-Regeln noch die Synonyme des Cloud-Dienstes.
Unsere Einschätzung: Korrekturlesen beurteilt weder die Projektstrategie noch die KI-Urheberschaft.
- Projektpflege · Stand 2026-09-12
- Das Änderungsprotokoll datiert Version 6.8 auf den 05.05.2026 und kennzeichnet 6.9 als unveröffentlicht. Nach Version 6.6 wurde die ZIP-Auslieferung auf Snapshots umgestellt.
Anwendung in Voice
Die Review-Library startet keinen Java-Prozess und stellt keine LanguageTool-Anfrage. Die einbindende Anwendung muss den Betriebsmodus derzeit selbst wählen und zugeordnete Befunde übergeben.
mountVoiceReview— Von der Host-Anwendung umgewandelte Befunde der Korrekturprüfung anzeigen.
Was noch fehlt: Einen ausdrücklich lokal oder über die Cloud betriebenen Adapter ergänzen: mit Sprachauswahl, validierten Positionen in annotiertem Markup und prüfbaren Ersetzungen, die an die Quellversion gebunden sind.
Zugehörige Muster: Pfeilketten statt Erklärung · Schmückende Formulierungen · Zusammenfassungsschleifen · Formatierung an jedem Satz
HarperUnsere Einschätzung: für englisches Korrekturlesen direkt im Browser und ausdrückliches Verwerfen von Befunden geeignet. Deutsch benötigt eine andere Prüfengine.
Offizielles Repository · Apache-2.0 Lizenz
- Ausführung
- Lokale Rust-Engine und WebAssembly-Paket harper.js; für interaktive Browseranwendungen wird WorkerLinter empfohlen.
- Sprachen
- Nur Englisch; Deutsch wird derzeit nicht unterstützt.
- Funktionen
Asynchrone Lint-API, Ersetzungsvorschläge, konfigurierbare Regeln und eigene Wörterbücher.
Kontextbezogene Hashes ignorierter Befunde lassen sich exportieren und importieren.
- Grenzen
Die Dokumentation kennzeichnet harper.js weiterhin als Early Access mit instabiler API.
Unsere Einschätzung: Die Umrechnung von Unicode-Textbereichen muss gegen den UTF-16-Vertrag von Voice geprüft werden. Grammatikbefunde sind kein Beleg für die Urheberschaft.
- Projektpflege · Stand 2026-09-12
- Neueste GitHub-Veröffentlichung: v2.10.0 vom 09.09.2026; über die Release-API geprüft.
Anwendung in Voice
Voice startet derzeit keinen Harper-Worker und importiert keinen Zustand ignorierter Befunde. Die einbindende Anwendung muss die englische Korrekturprüfung selbst integrieren.
mountVoiceReview— Von der Host-Anwendung bereitgestellte Korrekturbefunde an übereinstimmenden Texteinheiten anzeigen.
Was noch fehlt: Worker-Ergebnisse mit getesteter Unicode-zu-UTF-16-Umrechnung übernehmen. Entscheidungen zum Ignorieren zusammen mit Engine- und Quellversion speichern, damit geänderte Textstellen erneut geprüft werden können.
Zugehörige Muster: Pfeilketten statt Erklärung · Schmückende Formulierungen · Zusammenfassungsschleifen
- Harper: Funktionsumfang und Beschränkung auf Englisch
- harper.js: Architektur und Hinweis zur API-Stabilität
- Linter-API, Worker-Empfehlung und ignorierte Befunde
- Darstellung von Textbereichen
- Apache-2.0-Lizenz
- Metadaten der neuesten Veröffentlichung, am Recherchedatum geprüft
- Veröffentlichung von Harper v2.10.0
proselintUnsere Einschätzung: als Referenz und CI-Vergleichsbasis für konkrete problematische Schreibmuster geeignet, besonders für Jargon und inhaltsarme Kommentare über den eigenen Text.
Offizielles Repository · BSD-3-Clause Lizenz
- Ausführung
- Lokale Python-API LintFile und CLI; JSON-Diagnosen und pre-commit-Integration; kein Modell erforderlich.
- Sprachen
- Englische Texte; eine Abdeckung für Deutsch ist im geprüften README nicht dokumentiert.
- Funktionen
Prüft Klischees, Unternehmensjargon, Kommentare über den eigenen Text, Wiederholungen und Typografie.
Feine Konfiguration pro Datei; Befunde mit Textbereichen und optionalen Ersetzungen.
- Grenzen
Unsere Einschätzung: Empfehlungen gegen abschwächende Formulierungen können notwendiger Unsicherheit widersprechen. Ausgewählte Prüfungen müssen an Voice-Beispielen bewertet werden.
Heuristische Treffer belegen weder Urheberschaft noch sachliche Richtigkeit.
- Projektpflege · Stand 2026-09-12
- Neueste GitHub-Veröffentlichung: v0.16.0 vom 14.11.2025. Das Repository bezeichnet sich derzeit als Spiegelkopie.
Anwendung in Voice
Die Review-Library enthält weder eine Python-Engine noch eine proselint-Konfiguration. Die einbindende Anwendung muss Ergebnisse derzeit selbst umwandeln und ihre Herkunft angeben.
getWritingRule— Ausnahmen der Regel calibrated-uncertainty abrufen, um eine Warnung vor abschwächenden Formulierungen zu beurteilen.mountVoiceReview— Von der Host-Anwendung umgewandelte Diagnosen für ein kontextbezogenes Review anzeigen.
Was noch fehlt: Aktivierte Prüfungen übernehmen und Warnungen zu Jargon, Kommentaren über den eigenen Text und Abschwächungen an Beispielen prüfen, in denen Fachsprache oder Unsicherheit notwendig ist.
Zugehörige Muster: Schmückende Formulierungen · Unnötige deutende Einleitungen · Zusammenfassungsschleifen · Gestapelte Relativierungen
promptfooUnsere Einschätzung: Voice-Prompts gegen problematische Schreibmuster lassen sich anhand von Git-verwalteten Beispielen und akzeptierten Entscheidungen auf Regressionen prüfen. Deterministische Prüfungen und Modellurteile müssen getrennt bleiben.
Offizielles Repository · MIT Lizenz
- Ausführung
- Lokale Node-CLI/evaluate-API; deterministische Prüfungen oder modellgestützte Bewertung. Konfigurierte externe Anbieter erhalten die Eingaben der Auswertung.
- Sprachen
- Sprachunabhängige Testfälle; die Qualität der englischen und deutschen Bewertung hängt von den gewählten Prüfkriterien und Modellen ab.
- Funktionen
Vergleicht Prompt- und Modellausgaben mit regulären Ausdrücken, JSON-Schemas, eigenen Funktionen und Bewertungsrastern.
Unterstützt die Auswertung gespeicherter Ausgaben und die Integration in CI.
- Grenzen
Ein Framework zur Auswertung, kein Prosa-Linter und kein validierter Detektor für Urheberschaft.
Unsere Einschätzung: Bewertungen hängen von der Abdeckung der Testfälle und den Grenzen der Bewertenden ab.
- Projektpflege · Stand 2026-09-12
- Neueste GitHub-Veröffentlichung: 0.123.0 vom 10.09.2026; über die Release-API geprüft.
Anwendung in Voice
Voice bereitet Eingaben vor, enthält aber weder einen promptfoo-Adapter noch einen Auswertungsrunner. Anbieteraufrufe, Prüfkriterien und Vergleiche gespeicherter Ausgaben bleiben Aufgaben der Host-Anwendung.
composeWritingReviewPrompt— Versionierten Prompt-Text für einen Testfall der einbindenden Anwendung erzeugen.selectWritingRules— Eine feste Regelauswahl für Vergleiche treffen.
Was noch fehlt: Git-verwaltete Testfälle ausführen und dabei Katalog- und Anbietereinstellungen, Entscheidungen zum Beibehalten und gemessenen Verbrauch festhalten. Deterministische Prüfungen und Modellurteile müssen getrennt aufgezeichnet werden.
Zugehörige Muster: Behauptung ohne Beleg · Unbelegte Erledigt-Meldung · Umwege durch optionale Details · Erzwungene Neutralität und falsche Gleichgewichtung
Wie die Forschung in ein Review einfließt
Der Voice-Regelkatalog enthält 20 Negativmuster mit Nachteilen für die Leser, Beispielen, Ausnahmen und Gegen-Prompts. Vier Profile wählen jeweils sechs Regeln aus. Der lokale Scanner der Library deckt acht Regeln ab. Er liefert genaue UTF-16-Textbereiche und benennt die Regeln, die eine inhaltliche Prüfung benötigen.
| Fragestellung | Benötigte Grundlagen | Aktueller Funktionsumfang |
|---|---|---|
| Erschwert diese Formulierung das Verständnis? | Genaues Zitat, umgebender Text, Anliegen der Leser und zugehörige Regel. | Das Paket writing-rules liefert lokale Prüfkandidaten und zusammengestellte Review-Prompts. |
| Erfüllt die gesamte Seite ihren Zweck? | Seitenziel, Zielgruppe, vollständiger Inhalt, akzeptierte Positionierung und belegende Quellen. | Die einbindende Anwendung muss eine Kontextanalyse ausführen und prüfen. Der lokale Scanner bewertet keine Seitenstrategie. |
| Ist das Projekt in sich konsistent? | Ausgewählte Dateien mit bekanntem Versionsstand, Begriffe, seitenübergreifende Aussagen und Review-Entscheidungen. | Review-Daten können in Git gespeichert werden. Automatische projektweite Prüfungen von SEO und visuellem Eindruck sind noch nicht implementiert. |
| Hat eine KI diese Textstelle verfasst? | Dokumentierte Generierung oder ein gesondert validiertes Verfahren zur Zuordnung. | Das Paket liefert weder ein Urteil noch eine Wahrscheinlichkeit zur Urheberschaft. |
Regelpaket und Review-Oberfläche haben getrennte Aufgaben. @voice/writing-rules wählt Regeln aus, stellt Prompts zusammen und erkennt feste Formulierungsmuster. @voice/review ordnet bereitgestellte Befunde den Textstellen zu. Studio führt derzeit seine vier bestehenden lokalen Prüfungen aus. Der erweiterte Katalog ist noch nicht an das Backend angebunden.
Prüfen, ob die Überarbeitung die Aussage erhält
Als Bewertungseinheit schlagen wir eine Textstelle mit ihrem Zweck, belegenden Fakten und akzeptierten Entscheidungen vor. Die unveränderte Quelle wird mit Überarbeitungen aus einem versionierten Prompt verglichen. Bewertende Personen sollten Aufgabenerfüllung, Faktentreue, unnötigen Text und unerwünschte Änderungen getrennt beurteilen. Zum Testmaterial gehören auch sinnvolle Verwendungen der jeweiligen Muster, deutsche und englische Texte sowie menschlich bearbeitete KI-Entwürfe.
Das sind Kriterien für künftige Modellvergleiche. Die aktuellen Tests prüfen Katalog, Prompt-Zusammenstellung, lokale Mustererkennung und Browserverhalten. Sie messen noch keine Verbesserung der Textqualität durch Modelleinsatz.
Den Musterkatalog lesen · Die Review-Oberfläche ansehen · Die Grenzen der Erkennung nachlesen
Schreibwerkzeuge und HTML-Darstellung
| Paket | Aufgabe | Ergebnis |
|---|---|---|
@voice/writing-rules | Regelwissen, Prompt-Zusammenstellung, statische Hinweise und eine anbieterunabhängige Werkzeugschnittstelle für LLMs. | Einsehbare Anweisungen, genaue Textbereiche der Prüfkandidaten und von der Anwendung bereitgestellte Vergleichsdaten zu Modellen. |
@voice/review | Befunde und Feedback der einbindenden Anwendung in HTML anzeigen; Textauswahl und Quellzuordnung verarbeiten. | Markierungen und Callbacks für die eigene Review-Oberfläche. |
Die einbindende Anwendung verbindet die Pakete: Sie stellt Quellkontext und verfügbare Modelle bereit, führt einen freigegebenen Modellaufruf aus, prüft die Befunde und speichert Entscheidungen. Studio bietet dafür eine lokale Anwendung mit Review-Ablauf.
Was der statische Scanner prüft
findWritingSignals durchsucht den Rohtext mit 16 festen deutschen und englischen regulären Ausdrücken. Damit deckt die Funktion 8 von 20 Regeln ab. Sie liefert das gefundene Zitat, Anfang und Ende als UTF-16-Positionen, die Regel-ID, geprüfte und nicht gescannte Regeln sowie einen Hinweis auf gekürzte Ergebnisse. Beispielsweise erkennt sie it is worth noting oder könnte möglicherweise.
Der Scanner analysiert keine Satz- oder Markup-Struktur. Er schließt Code und Zitate nicht aus, deutet keine Verneinungen, prüft keine Fakten und bewertet nicht den Zweck einer Überschrift. Deshalb kann auch not guaranteed einen Prüfkandidaten erzeugen. Die beanstandete Überschrift Which model and prompt earn their cost? ergab keinen lokalen Treffer. Ihr Problem lässt sich erst im Kontext beurteilen.
Alle 20 Regeln mit ihrer Analysemethode
| Regel | Prüfgegenstand | Implementierte Methode |
|---|---|---|
reader-goal | Kategorien vor der Aufgabe | Kontextbezogener Prompt |
current-state | Roadmap in der Bedienungsanleitung | Kontextbezogener Prompt |
process-history | Entwicklungstagebuch | Kontextbezogener Prompt |
meta-framing | Unnötige deutende Einleitungen | Feste Formulierungsmuster + kontextbezogener Prompt |
concrete-subject | Mechanismus ohne konkreten Vorgang | Feste Formulierungsmuster + kontextbezogener Prompt |
invented-labels | Erfundene Wortketten | Kontextbezogener Prompt |
unsupported-contrast | Nicht X, sondern Y | Feste Formulierungsmuster + kontextbezogener Prompt |
calibrated-uncertainty | Gestapelte Relativierungen | Feste Formulierungsmuster + kontextbezogener Prompt |
unsupported-causality | Erfundene Ursache-Nutzen-Kette | Feste Formulierungsmuster + kontextbezogener Prompt |
claims-evidence | Behauptung ohne Beleg | Feste Formulierungsmuster + kontextbezogener Prompt |
repetition | Zusammenfassungsschleifen | Kontextbezogener Prompt |
format-fit | Formatierung an jedem Satz | Kontextbezogener Prompt |
complete-sentences | Pfeilketten statt Erklärung | Kontextbezogener Prompt |
word-choice | Schmückende Formulierungen | Feste Formulierungsmuster + kontextbezogener Prompt |
task-relevance | Umwege durch optionale Details | Kontextbezogener Prompt |
reported-evidence | Unbelegte Erledigt-Meldung | Feste Formulierungsmuster + kontextbezogener Prompt |
unearned-praise | Unverdientes Lob und automatische Zustimmung | Kontextbezogener Prompt |
false-balance | Erzwungene Neutralität und falsche Gleichgewichtung | Kontextbezogener Prompt |
exhaustive-checklist | Unpriorisierte Liste aller Möglichkeiten | Kontextbezogener Prompt |
forced-template | Erzwungene Dreiergruppen und Frage-Antwort-Schablonen | Kontextbezogener Prompt |
Was der Review-Prompt enthält
composeWritingReviewPrompt enthält die ausgewählten Regelanweisungen, Beispiele und Fälle, in denen der Text bleiben soll. Quellenlinks zu den Regeln und die vollständigen Ausnahmelisten sind über den Katalog und das Regelwerkzeug verfügbar. Forschungseinträge verändern das Verhalten des Pakets erst nach einer geprüften Änderung am Katalog oder Analysecode und einem neuen Build.
Katalog voice-writing-rules/0.2.2 enthält Hinweise zur Wortwahl, Form und Einordnung von Überschriften. Weitergehende Analysen benötigen ein kontextbezogenes Review: Wiederholungen über mehrere Seiten, Erhalt von Aussagen, Unterschiede zwischen Alternativen und die Übereinstimmung von Überschrift und Inhalt. Ihre Ergebnisse müssen an unabhängig bewerteten Beispielen geprüft werden.
Voice über LLM-Werkzeugaufrufe einbinden · Eine Qualitätsbewertung reproduzieren · Die beiden Pakete verwenden
Modellauswahl und Prompt-Struktur
Zuerst die Review-Qualität verschiedener Modelle und Prompt-Strukturen vergleichen, anschließend die Kosten. Dafür dieselben Quelltexte und Regeln verwenden. Übersehene Probleme, unnötige Änderungen, begründetes Beibehalten sowie den Erhalt von Fakten und Aussageabsicht erfassen.
Die Ergebnisse bewerten
Das lokale Auswertungsprogramm prüft protokollierte Antworten auf die angeforderten Regeln, den Quellstand und die genauen zitierten Textbereiche. Unabhängige Personen bewerten die Entscheidungen und jede vorgeschlagene Alternative. Fehlende Bewertungen bleiben offen; abweichende Urteile bleiben sichtbar. Eine begründete Nachfrage nach fehlenden Belegen kann redaktionell richtig sein, obwohl die Aufgabe noch nicht abgeschlossen ist.
Die Qualität wird auch dann bewertet, wenn die Kosten unbekannt sind. Die wenigen von Hand vergebenen Referenzmarkierungen liefern eine gesonderte Diagnose nach Regel und Zitat. Übereinstimmung mit diesen Markierungen ersetzt weder die menschliche Beurteilung noch begründet sie eine Modellrangliste.
Prompt-Strukturen vergleichen
| Struktur | Fragestellung | Vergleichsbedingungen |
|---|---|---|
| Eine Regel pro Anfrage | Werden durch den engeren Fokus Probleme erkannt, die bei gebündelten Regeln übersehen werden? | Alle Anfragen zählen und doppelte Befunde für das gesamte Review zusammenführen. |
| Zwei Gruppen verwandter Regeln | Bleibt der Fokus erhalten, wenn verwandte Regeln denselben Kontext nutzen? | Dieselben sechs Regeln verwenden, aufgeteilt in zwei feste Gruppen. |
| Ein Profil mit sechs Regeln | Erkennt ein kompaktes Review dieselben relevanten Probleme? | Dieselben Fälle, Regeln und dieselbe Gesamtobergrenze für Befunde verwenden. |
| Alle zwanzig Regeln | Rechtfertigt die breitere Prüfung den zusätzlichen Umfang von Anweisungen und Ausgabe? | Zwanzig Regeln einzeln und gebündelt innerhalb einer eigenen Vergleichsgruppe prüfen. |
| Günstiges Erst-Review mit gezielter Zweitprüfung | Wann verbessert ein zweites Modell das Ergebnis so weit, dass sich die Gesamtkosten lohnen? | Auslöser für die Zweitprüfung festlegen und auch Fälle kontrollieren, die ohne sie abgeschlossen wurden. |
Die ersten vier Strukturen lassen sich lokal als Experimente vorbereiten. Die gezielte Zweitprüfung ist ein späteres Experiment. Für keine Variante liegen bisher Messungen zur Modellqualität vor.
Einen Review-Prompt zusammenstellen
Regelsatz, Antwortformat und geprüfte Beispiele zum Beibehalten innerhalb eines Experiments unverändert lassen. Leserziel, relevante Fakten, akzeptierte Entscheidungen und versionierte Quelle getrennt übergeben. Genaue Zitate, Regel-IDs und knappe Begründungen anfordern. Alternativen nur für begründete Änderungen erzeugen lassen.
Review-Anweisungen + ausgewählte Regeln + Beispiele zum Beibehalten
+ Zielgruppe und Leserziel
+ versionierte Quelle, relevante Fakten und akzeptierte Entscheidungen
→ Befunde, Prüfungsabdeckung und begründete Entscheidungen zum Beibehalten oder ÄnderncomposeWritingReviewPrompt setzt Zielgruppe und Ziel derzeit vor den Regeltext. Die einbindende Anwendung übergibt das Dokument getrennt. Ein wiederverwendbarer Regelblock am Prompt-Anfang, der sich cachen lässt, benötigt eine andere Serialisierung und einen eigenen Vergleich. Lange Regelsätze, verkürzte Beispiele und anders angeordneter Kontext können beeinflussen, was ein Modell erkennt. Ob weniger Tokens dieselbe Qualität ermöglichen, muss deshalb gemessen werden.
Lokale Prompt-Messungen
Die mit der Library erstellten Anfragen decken 30 eigens verfasste deutsche und englische Fälle ab. Jeder Vergleich verwendet dieselben Regeln, Quellen, Zielgruppen und Ziele. Die Anfragen wurden lokal vermessen. Keine wurde an ein Modell gesendet.
| Gleicher Prüfumfang | Einzelne / gebündelte Anfragen | UTF-8-Bytes einzeln | UTF-8-Bytes gebündelt | Verringerung der Eingabe |
|---|---|---|---|---|
| 6 Regeln | 180 / 30 | 386.724 | 191.479 | 50,5 % |
| 20 Regeln | 600 / 30 | 1.281.035 | 539.104 | 57,9 % |
Bytes sind keine Tokens. Für diesen Lauf stand kein Tokenizer zur Verfügung. Nicht erfasst sind die Nachrichtenhülle des Anbieters, Cache-Verhalten, Ausgabe, Reasoning, Wiederholungsversuche und Latenz. Bei gleicher Obergrenze pro Anfrage erlauben Einzelanfragen außerdem insgesamt mehr Befunde. Die Messung zeigt, dass weniger Eingabetext wiederholt wird. Gleiche Review-Qualität oder eine prozentuale Kostenersparnis sind damit nicht belegt.
Bei denselben Testfällen lieferte der lokale Scanner 24 Prüfkandidaten: 16 stimmten mit den redaktionellen Referenzmarkierungen überein; 8 traten in Fällen auf, in denen der Text bewusst bleiben sollte. In allen 4 Fällen mit inhaltlichen Problemen blieb ein Treffer aus. Diese Beispiele zeigen, warum lokale Hinweise Kontext benötigen. Sie erlauben keine Leistungsschätzung für einen repräsentativen Textbestand.
Messwerte, Quell-Hashes und Preise als JSON öffnen
Modellkandidaten und Tokenpreise
Diese Kandidaten wurden anhand offizieller API-Dokumentation ausgewählt. Wie gut sie Voice-Muster erkennen, wurde noch nicht gemessen. Die Preise gelten je Million regulärer Eingabe-Tokens beziehungsweise abgerechneter Ausgabe-Tokens in USD, für Standard-Textanfragen mit kurzem Kontext. Prüfdatum: 2026-09-12.
| Modell | Eingabe / 1 Mio. Tokens | Ausgabe / 1 Mio. Tokens | Quelle |
|---|---|---|---|
gpt-5.6-luna | 0,20 $ | 1,20 $ | Offizielle Preise |
claude-haiku-4-5-20251001 | 1,00 $ | 5,00 $ | Offizielle Preise |
gemini-3.5-flash-lite | 0,30 $ | 2,50 $ | Offizielle Preise |
gpt-6-astra | 10,00 $ | 50,00 $ | Offizielle Preise |
Luna, Haiku und Flash-Lite werden als Kandidaten für kosteneffiziente Reviews mit denselben Fällen und Regeln verglichen. Astra wird im selben Vergleich geprüft. Bei abweichenden Bewertungen entscheiden weiterhin menschliche Reviews. Genaue Modellversionen und Einstellungen einschließlich Reasoning-Aufwand werden protokolliert. Ergebnisse für Englisch belegen keine entsprechende Leistung auf Deutsch.
Modelle anhand gemessener Qualität auswählen
Verfügbare Modelle werden mit demselben geprüften Quellbestand, derselben Sprache, demselben Regelumfang und vorab festgelegten Qualitätsanforderungen verglichen. Dabei können sich zwei unterschiedliche Empfehlungen ergeben:
| Auswahl | Erforderliche Belege |
|---|---|
| Geringste Kosten bei erfüllten Qualitätsanforderungen | Die Kosten aller Versuche pro akzeptiertem, abgeschlossenem Review vergleichen. Fehlgeschlagene Ausgaben und Wiederholungen einbeziehen. Bei unbekannten Kosten oder ohne akzeptiertes, abgeschlossenes Review wird keine Kostenquote berechnet. |
| Höchste beobachtete Erkennungsrate | Unabhängig bestätigte Treffer mit demselben geprüften Bestand an Problemen vergleichen. Neben der Erkennung auch übersehene Probleme, falsche Änderungen und richtige Entscheidungen zum Beibehalten angeben. Mehr Befunde allein belegen keine bessere Erkennung. |
Wenn diese Auswahlkriterien zu verschiedenen Modellen führen, werden beide mit ihrem gemessenen Geltungsbereich genannt. Keines der Ergebnisse belegt, dass ein Modell jedes Problem erkennt. Für den aktuellen Pilot liegen noch keine Messungen zur Modellqualität und keine darauf gestützte Modellempfehlung vor.
Die Auswertung reproduzieren
Das Auswertungsprogramm liest einen festgeschriebenen Versuchsplan und das Laufprotokoll: genaue Modellkennungen, Parameter, Prompts, Quellen, jeden Versuch, ausgewählte Endantworten und menschliche Urteile. Hash-Prüfungen verhindern, dass ein alter Lauf unbemerkt gegen geänderte Eingaben ausgewertet wird. Geplante Fälle bleiben Teil der Bezugsmenge, auch wenn Antworten fehlschlagen oder ausbleiben.
Dieselben protokollierten Eingaben erzeugen mit derselben Programmversion denselben Offline-Bericht. Neue Modellantworten können abweichen und benötigen eigene Wiederholungen. Die Berichte trennen Deutsch und Englisch, Regelabdeckung und Prompt-Bedingungen. Methode, Dateiablage und JSON-Verträge des Benchmarks nachlesen.
Cache-, Batch- und AusgabekostenWas eine Tokenpreistabelle nicht erfasst
Ein Cache lässt sich nur mit einem übereinstimmenden, dafür geeigneten Prompt-Anfang wiederverwenden. Schreib- und Lesekosten sowie Speicherdauer unterscheiden sich je Anbieter. Explizite Gemini-Caches verursachen zusätzlich Speicherkosten. Der Preisstand hält diese Bedingungen und eine ungeklärte Abweichung bei den Google-Batch-Cachepreisen fest. OpenAI Caching; Claude Caching; Gemini Caching.
Mehrere Regeln in einem Prompt zu bündeln ist ein anderes Verfahren als die asynchrone Batch-API eines Anbieters. Batch-Rabatte können sich für Offline-Benchmarks eignen. Die längeren Bearbeitungsfenster müssen gegenüber einem interaktiven Review gesondert abgewogen werden. OpenAI Batch; Claude Batch; Gemini Batch.
Die einbindende Anwendung sollte reguläre Eingaben, Cache-Schreibvorgänge, Cache-Lesevorgänge sowie abgerechnete Ausgabe- oder Reasoning-Tokens getrennt erfassen. Kosten werden pro akzeptiertem, abgeschlossenem Review angegeben; nützliche Befunde, Latenz und Fehler bleiben eigene Messgrößen. Eine kürzere sichtbare Antwort belegt für sich genommen keine niedrigere Rechnung.
Was die Forschung dazu beiträgt
Beim Bündeln von Regeln prüfen mehrere Regeln dieselbe Textstelle. Beim Bündeln von Textbeispielen nutzen mehrere Textstellen dasselbe Bewertungsraster. Die asynchrone Batch-API eines Anbieters verarbeitet dagegen getrennte Anfragen gesammelt. Die folgenden Studien untersuchen gebündelte Textbeispiele oder die Nutzung von Kontext. Sie begründen unsere Experimente, belegen aber noch keine beste Konfiguration für Voice.
Batch Prompting: Efficient Inference with Large Language Model APIs · Begutachteter Beitrag im Industry Track
Unabhängige Fragen werden mit gemeinsamen Beispielen gebündelt; die Antworten erhalten zugehörige Indizes. Die Hauptexperimente verwenden code-davinci-002 und zehn Datensätze zu Fragebeantwortung, Arithmetik, logischen Beziehungen zwischen Aussagen und Sprachverständnis. Gemeinsame Beispiele verringern wiederholte Eingaben. Größere Bündel senken häufig die Genauigkeit; die beste Größe hängt von der Aufgabe ab.
Grenzen: Untersucht wurden weder redaktionelle Reviews auf Englisch und Deutsch noch aktuelle Modelle oder die Qualität von Überarbeitungen. Umfangreiche Ausgaben und lange Eingaben können den Nutzen verringern. Getestet werden mehrere Beispiele gemeinsam, nicht mehrere Regeln für ein einzelnes Beispiel.
Unsere Einschätzung zur Anwendung in Voice: selectWritingRules und composeWritingReviewPrompt: Ein einheitliches Bewertungsraster festschreiben und den Prompt für jede Versuchsbedingung reproduzieren.
Vorgeschlagene API-Erweiterungen: composeWritingReviewBatch benötigt Textstellen-IDs und Ergebnisse pro Textstelle. evaluateReviewPrompts sollte Auslassungen, falsche Zuordnungen, Qualität und Gesamtkosten über verschiedene Bündelgrößen hinweg messen.
Die Primärquelle lesen · Abschnitte 2–4, Abschnitt 6 sowie Anhang B/Tabelle 6; geprüft am 12.09.2026.
Lost in the Middle: How Language Models Use Long Contexts · Begutachteter TACL-Beitrag
Relevante Informationen werden innerhalb kontrollierter Eingaben zur dokumentübergreifenden Fragebeantwortung und zur Suche nach Schlüssel-Wert-Paaren verschoben. Untersucht werden unter anderem MPT, LongChat, GPT-3.5 und Claude-1.3. Bei Belegen in der Mitte fällt die Leistung der Fragebeantwortung häufig ab. Claude löst die synthetische Suchaufgabe fast fehlerfrei. Eine Wiederholung der Frage hilft bei der Informationssuche stärker als bei der Fragebeantwortung.
Grenzen: Ältere Modelle und Suchaufgaben belegen kein Versagen eines redaktionellen Prompts mit zwanzig Regeln. Die Größe des Kontextfensters allein belegt nicht, dass alle relevanten Vorgaben berücksichtigt werden.
Unsere Einschätzung zur Anwendung in Voice: selectWritingRules und composeWritingReviewPrompt: Den vorgesehenen Prüfumfang ausdrücklich benennen und die ausgewählten Anweisungen reproduzieren.
Vorgeschlagene API-Erweiterungen: evaluateReviewPrompts sollte wichtige Fakten, Regeln und Fälle zum Beibehalten bei gleichem Inhalt an Anfang, Mitte und Ende verschieben. composeWritingReviewBatch sollte den Seitenkontext erhalten und messen, wie stark die Ergebnisse von der Position abhängen.
Die Primärquelle lesen · Abschnitte 2–4 und die Fallstudie zur Informationssuche in Abschnitt 5; geprüft am 12.09.2026.
Towards Cost-effective LLMs Routing with Batch Prompting · Preprint vom Mai 2026
Modell und Anzahl unabhängiger Anfragen pro Prompt werden gemeinsam ausgewählt. Getestet werden Qwen3 4B/14B/32B und Gemma3 4B/12B/27B auf sechs Benchmarks mit getrennten Trainings-, Validierungs- und Testmengen. Die Studie berichtet in vielen Einstellungen ein verbessertes Verhältnis von Kosten und Genauigkeit. Wie gut sich Anfragen bündeln lassen, hängt von Modell und Aufgabe ab; größere Bündel können zu fehlerhaft strukturierten Ausgaben führen.
Grenzen: Die Studie validiert weder Voice-Reviews noch aktuelle proprietäre Modelle. Die Kalibrierung benötigt Belege. Die angegebene Planungszeit enthält keine Latenz der Modell-API; unvollständige Bündel erschweren die Kostenzuordnung gemeinsamer Eingaben.
Unsere Einschätzung zur Anwendung in Voice: selectWritingRules und composeWritingReviewPrompt: Regeln und Prompt-Versionen für paarweise Modellvergleiche festschreiben.
Vorgeschlagene API-Erweiterungen: evaluateReviewPrompts sollte Modell und Prompt-Struktur gemeinsam vergleichen. composeWritingReviewBatch kann Ausführungsvarianten vorbereiten; die Auswahl der Ausführungsroute bleibt bei Token Economy und der Host-Anwendung.
Die Primärquelle lesen · Abschnitte 2–6 einschließlich Implementierung und Ablationsstudien; geprüft am 12.09.2026.
Anwendung mit der aktuellen API
Mit selectWritingRules wird der Prüfumfang festgelegt; composeWritingReviewPrompt erstellt vergleichbare Anfragen. findWritingSignals liefert lokale Textbereiche möglicher Probleme. Ein leeres Ergebnis darf nicht dazu führen, dass eine angeforderte inhaltliche Prüfung entfällt. Die einbindende Anwendung führt Modelle aus und protokolliert ihre Ergebnisse. Das lokale Auswertungsprogramm validiert bereitgestellte Antworten und wertet die erfassten menschlichen Urteile aus.
Die aktuellen Library-Funktionen verwenden · Das Beispiel zur Einbindung als LLM-Werkzeuge lesen
Quellen und wiederverwendbare Forschungsdaten
Die kuratierte Sammlung umfasst 7 Praxisquellen, 11 Studien, 4 Studien zu Gegenstrategien und 8 Werkzeuge. Die Auswahl richtet sich nach ihrem Beitrag zu Textqualität, Review-Entscheidungen und technischer Umsetzung. Sie ist keine systematische Literaturübersicht und keine Rangliste von Anbietern. Die Einträge nennen gelesene Abschnitte, Grenzen und zugehörige Regel-IDs. Bei Werkzeugen verweisen sie auf offizielle Dokumentation, Lizenzen und Veröffentlichungsnachweise.
Die JSON-Datensätze werden in Git unter website/research/ gepflegt; die deutschen Fassungen liegen unter website/research/de/. Sie enthalten eigene Zusammenfassungen und Links. Fremde Prompts, Fachartikel und Bibliothekscode werden nicht mitgeliefert. Die Datensätze lassen sich öffnen und als strukturierte Daten weiterverwenden.
QuellenverzeichnisOriginalartikel, Studien und Repositories
- Problem Patterns in AI: Beyond Hallucinations — Leon Furze (2026-07-26) · Analyse zur Quelle
- Why ChatGPT writes like that: A rhetorical analysis of AI ‘slop’ — Colin Gorrie (2025-07-09) · Analyse zur Quelle
- On AI-assisted writing, AI slop, and the line between them — Xavier Amatriain (2026-08-30) · Analyse zur Quelle
- The ‘Negative Contrast Trap’: Why AI Writing Overuses ‘Not X, But Y’ — Ernan Hughes · Analyse zur Quelle
- Tropes: AI Writing Pattern Directory — ossama.is · Analyse zur Quelle
- Wikipedia: Signs of AI writing — WikiProject AI Cleanup contributors · Analyse zur Quelle
- slopt: Stop sounding like ChatGPT — slopt · Analyse zur Quelle
- Can AI writing be salvaged? Mitigating Idiosyncrasies and Improving Human-AI Alignment in the Writing Process through Edits — Tuhin Chakrabarty, Philippe Laban et al. (2024-09-22) · Analyse zur Quelle
- Flattery, Fluff, and Fog: Diagnosing and Mitigating Idiosyncratic Biases in Preference Models — Anirudh Bharadwaj, Chaitanya Malaviya et al. (2025-06-05) · Analyse zur Quelle
- Measuring AI ‘Slop’ in Text — Chantal Shaib, Tuhin Chakrabarty et al. (2025-09-23) · Analyse zur Quelle
- ‘That's AI Slop, You Bot!’ Studying Accusations, Evidence, and Credibility in Online Discourse Towards LLM-Generated Comments — Jason Miklian, John E. Katsos (2026-06-10) · Analyse zur Quelle
- Why Does ChatGPT ‘Delve’ So Much? Exploring the Sources of Lexical Overrepresentation in Large Language Models — Tom S. Juzek, Zina B. Ward (2025-01) · Analyse zur Quelle
- Delving into LLM-assisted writing in biomedical publications through excess vocabulary — Dmitry Kobak, Rita González-Márquez et al. (2025-07-02) · Analyse zur Quelle
- Generative AI enhances individual creativity but reduces the collective diversity of novel content — Anil R. Doshi, Oliver P. Hauser (2024-07-12) · Analyse zur Quelle
- Towards Understanding Sycophancy in Language Models — Mrinank Sharma, Meg Tong et al. (2023-10-20) · Analyse zur Quelle
- GPT detectors are biased against non-native English writers — Weixin Liang, Mert Yuksekgonul et al. (2023-07-10) · Analyse zur Quelle
- RAID: A Shared Benchmark for Robust Evaluation of Machine-Generated Text Detectors — Liam Dugan, Alyssa Hwang et al. (2024-08) · Analyse zur Quelle
- LLM-as-a-Coauthor: Can Mixed Human-Written and Machine-Generated Text Be Detected? — Qihui Zhang, Chujie Gao et al. (2024-06) · Analyse zur Quelle
- Disentangling Length from Quality in Direct Preference Optimization — Ryan Park, Rafael Rafailov et al. (2024-08) · Analyse zur Quelle
- Self-Refine: Iterative Refinement with Self-Feedback — Aman Madaan, Niket Tandon et al. (2023) · Analyse zur Quelle
- Large Language Models Cannot Self-Correct Reasoning Yet — Jie Huang, Xinyun Chen et al. (2024-03-14) · Analyse zur Quelle
- CoAuthor: Designing a Human-AI Collaborative Writing Dataset for Exploring Language Model Capabilities — Mina Lee, Percy Liang et al. (2022-01-25) · Analyse zur Quelle
- Vale · Analyse zur Quelle
- textlint · Analyse zur Quelle
- retext / retext-simplify · Analyse zur Quelle
- write-good · Analyse zur Quelle
- LanguageTool · Analyse zur Quelle
- Harper · Analyse zur Quelle
- proselint · Analyse zur Quelle
- promptfoo · Analyse zur Quelle