# 紹介: How LLMs Distort Our Written Language Navigation: [[index]] | [[wiki/sources/@2026__arXiv__How LLMs Distort Our Written Language|How LLMs Distort Our Written Language (source)]] ## 紹介文 - LLMは文法修正やトーン調整に広く使われるが、書き手が意図した意味や立場を変える影響は十分に検証されていない。 - この研究は、LLMによる推敲を表現を整えるだけの無害な補助とみなしてよいのかを、三つのデータと実験で調べた。 - ユーザー実験では、LLMの利用量を変えながら意見文を書かせ、文章の立場・多様性・自分の声の感じ方を比べた。 - 2021年に集めた人間のエッセイと専門家の修正指示にLLMを介入させ、文法修正から全体推敲までの意味・語彙・感情の変化を測った。 - さらに ICLR 2026の約1万8,000件の査読を対象に、AI生成レビューと人間レビューの評価観点や点数の違いを分析した。 - 人間の推敲は小さく多様な意味変化にとどまる一方、LLMの推敲はモデルや指示が違っても似た方向へ大きく移動した。 - 「文法だけを直す」指示でも、LLMは個人的な体験や主張を削り、制度的で分析的な表現へ置き換えた。 - LLMを多用した参加者の文章では、断定的な賛否が減って中立的な結論が約70%増え、自分の声や創造性が失われたとの自己評価も増えた。 - 書き換え後は名詞や抽象語、統計的な論拠が増え、代名詞・動詞・感情的表現や語彙の多様性が抑えられた。 - ICLR 2026では、査読の約21%を占めるAI生成レビューが明瞭さや重要性への言及を減らし、人間より平均1点高い甘めの評点を付けていた。 - LLMの執筆支援は効率化の裏で文章を似た方向へ均質化し、個人の声や学術的判断を変えうるため、意味を守る評価と運用設計が必要だ。 --- Marwa Abdulhai et al. (UC Berkeley), "How LLMs Distort Our Written Language," arXiv:2603.18161, 2026. https://arxiv.org/abs/2603.18161 ## 出典 - [[wiki/sources/@2026__arXiv__How LLMs Distort Our Written Language|How LLMs Distort Our Written Language]]