arXiv cs.CL· Kamer Cekini, Elisabetta Biondi, Chiara Boldrini, Andrea Passarella, Marco Conti·· 11 小时前AI 评分31
研究：LLM 改写文本的阅读时间与认知成本对比
The Cognitive Cost of LLM Writing: A Reading-Time Comparison with Human Text
AI 导读
研究者提出 RoBERTa-RT 模型，基于人类眼动数据预测词级阅读时间，并用 496 篇人类文章及其 LLM 改写文本做配对比较。结果显示 LLM 改写文本更短、预测总阅读时间略低，但每词预测阅读时间更高，伴随更长且更低频的词、更高词汇多样性和更高上下文可预测性。研究认为 LLM 写作可能重新分配阅读负担：减少需处理的文本量，却提高单个词的预测加工成本。
正文 · AI 翻译
摘要：尽管人类撰写文本与大语言模型（LLM）生成文本之间的语言差异已被广泛研究，但这些差异对阅读所涉及的认知负荷的影响仍较少被探讨。在心理语言学中，阅读时间通常被用作认知加工负荷的间接测量指标。基于这一视角，我们研究人类撰写文本及其 LLM 生成改写文本在预测阅读时间上是否存在差异，这些差异可能反映读者加工需求的差异。为此，我们提出 RoBERTa-RT，这是一个基于人类眼动数据训练、用于预测词级阅读时间的模型。我们在内部和外部测试集上评估该模型，构建了包含 496 篇人类撰写文章及其 LLM 生成改写文本的配对数据集，并应用 RoBERTa-RT 比较其预测阅读时间。我们的研究结果表明，LLM 生成的改写文本往往更短，预测总阅读时间略低，但每词预测阅读时间更高。这些差异与系统性的语言变化相关，包括更长且更不常见的词、更高的词汇多样性以及更高的上下文可预测性。从认知角度看，我们的发现表明 LLM 生成的写作可能重新分配阅读需求：减少需要处理的文本量，同时增加与单个词相关的预测加工负荷。这凸显了不仅需要考虑机器生成内容的语言特征，还需考虑其对人类认知加工的潜在影响。
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.23715 [cs.CL] |
| （或 arXiv:2610.23715v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.23715 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Kamer Cekini [查看电子邮件]
[v1]
2026年10月16日星期五 16:35:41 UTC（95 KB）
来源：arXiv cs.CL · arxiv.org