arXiv cs.CL· Aswathy Velutharambath, Neele Falk, Sofie Labat, Tarun Tater, Amelie Wuehrl·· 2 天前AI 评分29
众包能挺过 LLM 时代吗？一项关于人类数据收集的社区调查
Can Crowdsourcing Survive the LLM Era? A Community Survey on Human Data Collection
AI 导读
一项针对 155 名 NLP 及相关领域研究者的调查显示，44% 的受访者在自己的众包数据中观察到 LLM 使用痕迹，其中 93% 早有预期，但半数不知该采取何种防范措施。最常见的检测手段是独特的文本风格模式和异常快速的完成时间。调查表明研究社区已意识到该问题并采取措施，但现有努力仍不足以完全应对。
正文 · AI 翻译
摘要：大型语言模型（LLM）作为写作工具的广泛使用，对众包数据的有效性提出了挑战，因为众包工作者可能会将任务外包给模型。为了更好地了解这一问题的应对情况，我们调查了 155 名自然语言处理及相关领域的研究人员，了解他们在通过众包收集自由文本回复方面的经验和看法。本文概述了从业者面临的挑战、缓解策略以及对数据质量的预期影响。44% 的受访者表示在其众包数据中观察到了 LLM 的使用。虽然其中 93% 的人预料到了这一点，但有一半的人不确定该采取何种预防措施。最常见的检测策略是独特的文本风格模式和异常快速的完成时间。总体而言，调查回复表明研究界已意识到该问题并正在采取措施，但现有努力仍不足以完全解决该问题。最后，我们提出了一系列考量因素，以指导 LLM 时代未来的众包自由文本数据收集。
| 学科： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2606.04924 [cs.CL] |
| （或使用 arXiv:2606.04924v2 [cs.CL] 引用此版本） | |
| https://doi.org/10.48550/arXiv.2606.04924 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Aswathy Velutharambath [查看电子邮件]
[v1]
2026年6月3日星期三 14:18:27 UTC（538 KB）
[v2]
2026年10月15日星期四 09:05:51 UTC（716 KB）
来源：arXiv cs.CL · arxiv.org