狗屁不通文章生成器写的文章,评分软件赞不绝口

近日,一名网友利用‘狗屁不通文章生成器’撰写了一篇议论文,并通过‘中文作文智能批改’软件进行评分,获得了84.4分的高分。此事引发热议,表明当前AI作文批改系统仍存在局限性,可能仅关注表面特征而非内容逻辑。‘狗屁不通文章生成器’作者强调其并非使用AI技术,而批改软件可能也只是基于关键词进行评价。

本文转载自 大数据文摘,作者 王烨

高三,议论文,万千学子的噩梦。

我们见过大神引经据典,每一句都有出处;我们也记得自己绞尽脑汁,每一句都胡诌瞎编。

图片

什么叫议论文?

议论文,又叫说理文,是一种剖析事物,论述事理,发表意见,提出主张的文体。作者通过摆事实、讲道理、辨是非、举例子等方法,来确定其观点正确或错误,树立或否定某种主张。

比如,“手机该不该进校园?”,这就是一个典型的议论文题目,或许你对这个问题早有答案,但是让你就这么一个问题写上800字,你行吗?

不管你行不行,反正文摘菌是不行了。

图片

不过所谓万事万物相生相克(怎么感觉自己在写议论文……),继去年风靡一时的“狗屁不通文章生成器”成功帮助无数大学生“编写”了《防疫大课堂观后感》,如今又有同学将目光盯向了议论文。

不仅如此,他还将“狗屁不通文章生成器”写出来的议论文,给一款中文“中文作文智能批改”AI进行批阅评分。

结果也很喜感,“狗屁不通文章生成器”得分84.4分,打败了73.5%的学生。

图片

网友感慨,“只有用魔法才能打败魔法”。

图片

生成、截取、分段、打分、提交、评分,一气呵成

作者首先在一款“狗屁不通文章生成器”上输入了作文的主题——手机该不该进校园

不得不说,高中议论文800字的规定还限制了生成器的发挥,作者不得已只从生成的几千字长文中截取了开头的900字左右。

而后,将这一段文章复制到一款“中文作文智能批改”软件中,这款软件还可以选择年级和文章类型。

图片

值得注意的是,作者必须手动将一长段文章分成小段,以求层次分明。

然后就可以交给这个评分软件进行打分了。

尽管整个文章看起来就是车轱辘话,确实狗屁不通,但是打分软件给出了84.4的高分,还表示“你本次败了73.5%的学生”。

图片

不仅如此,这款评分软件居然还给出了评语!

比如在开头,文章引用了拿破仑·希尔(一位成功学大师)的一句话“不要等待,时机永远不会恰到好处”。

评分软件给出评语,“巧妙引用,先声夺人,迅速切题”。

图片

不得不说,真是让人哭笑不得,一个敢“狗屁不通”地写,一个敢“狗屁不通”地批。

神经网络:这个锅我可不背

整个测试的过程被作者做成了视频,放在了B站上,作者表示,这纯属娱乐。

随着这个视频在B站走红之后,许多网友都以为这都和AI有关。

有网友评论,“只有AI才能理解AI,只有人类才能理解人类”;

图片

也有网友觉得这个和GAN(生成对抗网络)很相似;

图片图片

不过有了解过的网友指出,“狗屁不通文章生成器”并不是AI。

图片

这一点是得到“狗屁不通文章生成器”作者本人确认的。

“狗屁不通文章生成器”是去年一个非常火爆的GitHub项目,作者在项目里写道:

鄙人才疏学浅并不会任何自然语言处理相关算法,而且目前比较偏爱简单有效的方式达到目的方式,除非撞到了天花板,否则暂时不会引入任何神经网络等算法。不过欢迎任何人另开分支实现更复杂,效果更好的算法,不过除非效果拔群,否则鄙人暂时不会融合。

图片

看来作者也的确拥有一个有趣的灵魂。

至于这款“中文作文智能批改”软件,很有可能也没有引入神经网络算法。

我们可以看到,在评语中,软件也只是在识别特征。

比如当识别到引用名言名句时,就会评价“巧用名言名句”等;当识别到“因为”、“所以”等关键词,就会评价“因果论证”等,全然不顾上下文有没有真正的因果关系。

其实也可以想见,以NLP目前的发展程度,写一篇前后逻辑通顺,主题明确的文章尚且如此困难,更何况要去评价高中生写的作文,还要给出准确的评语。

毕竟人类在评价别人的文章方面,也有翻车的时候,比如下面这位网友的故事。

图片

【重要提示】本资源设置为0积分下载,若非0积分请勿轻易下载 亲爱的CSDN用户: 首先感谢你点进这个资源页面。我需要提前说明一个重要情况: 本资源原本已设置为“0积分下载”,即作者希望完全免费共享。但CSDN平台有时会根据文件的下载热度、文件大小、用户权限等因素,自动将部分资源的积分调整为非0数值(如1积分、2积分、5积分等)。这是平台系统的自动行为,而非作者本人的设定。 因此,如果你当前看到该资源的下载所需积分不是0(例如显示为1、2、3……),请谨慎决定是否下载。 如果你按照非0积分支付并下载后发现资源内容不符合预期、链接失效,或者实际上该资源本应是免费的,作者无法为此承担积分损失或退还操作。强烈建议:仅在页面显示为0积分时进行下载。 另外,本资源描述中并未直接提供具体的下载地址或外部链接,因为它本身是一个通过CSDN官方上传通道提交的文件/内容包。如果你看到描述中没有外部网盘地址,这是正常的——资源文件应通过CSDN内置的“下载”按钮获取。若因平台积分显示异常导致你支付了积分,请优先联系CSDN客服咨询积分退还政策,作者没有权限修改平台自动设定的积分值。 感谢你的理解与支持。技术分享本应开放,但受限于平台规则,特此提醒如上。祝学习进步!
内容概要:本文围绕“计及风电不确定性的电力系统黑启动与负荷恢复协同优化”开展研究,提出了一种融合风电出力随机性与波动性的黑启动及负荷恢复协同优化模型,并基于Matlab平台实现了完整的代码仿真与算例验证。研究构建了考虑不确定性因素的优化框架,通过场景生成与削减技术处理风电出力的随机特征,建立了兼顾系统安全性、恢复效率与供电可靠性的多目标优化模型。文中详细阐述了模型的数学建模过程、关键约束条件(如功率平衡、设备启停顺序、网络拓扑约束等)、求解算法设计及黑启动电源优选策略,并通过标准测试系统验证了所提方法在提升灾后恢复能力方面的有效性与优越性。; 适合人群:具备电力系统分析、优化理论及可再生能源并网基础知识,从事电力系统恢复控制、新型电力系统韧性提升、新能源集成等方向研究的研究生、科研人员及电力行业工程技术人才。; 使用场景及目标:①用于电力系统大面积停电后的黑启动方案制定,优化启动电源选择与负荷恢复时序;②为高比例风电接入背景下电力系统的安全稳定与弹性恢复提供决策支持;③作为Matlab仿真教学资源,辅助理解不确定性建模、随机/分布鲁棒优化及电力系统动态恢复过程。; 阅读建议:建议结合提供的Matlab代码进行同步研读,重点掌握风电不确定性建模方法(如场景法)、优化模型构建逻辑与求解流程(如使用YALMIP调用求解器),宜在熟悉基本电力系统运行与优化算法的基础上进行复现与拓展研究。
【重要提示】本资源设置为0积分下载,若非0积分请勿轻易下载 亲爱的CSDN用户: 首先感谢你点进这个资源页面。我需要提前说明一个重要情况: 本资源原本已设置为“0积分下载”,即作者希望完全免费共享。但CSDN平台有时会根据文件的下载热度、文件大小、用户权限等因素,自动将部分资源的积分调整为非0数值(如1积分、2积分、5积分等)。这是平台系统的自动行为,而非作者本人的设定。 因此,如果你当前看到该资源的下载所需积分不是0(例如显示为1、2、3……),请谨慎决定是否下载。 如果你按照非0积分支付并下载后发现资源内容不符合预期、链接失效,或者实际上该资源本应是免费的,作者无法为此承担积分损失或退还操作。强烈建议:仅在页面显示为0积分时进行下载。 另外,本资源描述中并未直接提供具体的下载地址或外部链接,因为它本身是一个通过CSDN官方上传通道提交的文件/内容包。如果你看到描述中没有外部网盘地址,这是正常的——资源文件应通过CSDN内置的“下载”按钮获取。若因平台积分显示异常导致你支付了积分,请优先联系CSDN客服咨询积分退还政策,作者没有权限修改平台自动设定的积分值。 感谢你的理解与支持。技术分享本应开放,但受限于平台规则,特此提醒如上。祝学习进步!
内容概要:本文围绕“高比例可再生能源电力系统的调峰成本量化与分摊模型”展开研究,基于Matlab代码实现,系统分析了在风电、光伏等波动性电源大规模接入背景下电力系统所面临的调峰压力。研究构建了结合主从博弈或双层优化框架的数学模型,通过优化算法精确计算系统运行成本,并设计公平合理的成本分摊机制,以协调各方利益,提升可再生能源的消纳能力与系统运行的经济性。该模型不仅关注调峰成本的量化方法,还深入探讨了多主体间的博弈关系与责任分担机制,具有较强的理论价值与工程应用前景。; 适合人群:具备电力系统基础理论知识和Matlab编程能力,从事新能源并网、电力系统优化调度、电力市场机制设计及相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①深入研究高比例可再生能源并网带来的系统调峰难题及其解决方案;②掌握调峰成本的建模思路与双层优化求解技术;③学习基于博弈论的成本分摊机制设计方法,为电力市场规则制定提供量化依据;④复现并拓展先进优化模型,用于学术研究或实际项目仿真分析。; 阅读建议:建议读者结合提供的Matlab代码,逐步理解模型的数学推导与算法实现流程,优先掌握主从博弈与双层优化的基本原理,并尝试调整系统参数与场景设置,观察不同条件下调峰成本的变化规律,从而深化对高比例新能源系统运行特性的认识。
内容概要:本文围绕基于豪猪算法(CPO)的多无人机协同集群在三维空间中的避障路径规划展开研究,旨在通过构建以路径长度、飞行高度、环境威胁和转弯角度为核心的综合成本目标函数,实现复杂环境下多无人机系统的最优路径规划。研究采用Matlab平台完成算法设计与仿真实验,系统展示了CPO算法在处理多约束、高维度路径优化问题中的有效性与优越性。同时,文中整合了大量相关科研方向的技术服务内容,涵盖智能优化算法、路径规划、无人机协同控制等领域,并提供了完整的代码资源下载链接,便于研究人员复现结果、开展对比实验与二次开发。; 适合人群:具备一定Matlab编程基础与仿真能力,从事无人机路径规划、智能优化算法、多智能体协同控制等相关领域研究的科研人员、高校研究生及工程技术人员。; 使用场景及目标:① 实现多无人机在三维复杂动态环境下的高效协同避障路径规划;② 验证豪猪算法(CPO)在路径优化问题中的收敛性与鲁棒性;③ 为科研工作者提供可复现的算法案例与仿真框架,支持新算法的改进与性能对比分析; 阅读建议:建议读者结合提供的网盘资源进行代码实践,重点关注目标函数的建模方式、算法参数设置及其对优化结果的影响,同时可参考文中列出的其他智能算法案例,拓展研究思路与应用场景。
内容概要:本文档详细介绍了一种结合半监督学习、粗糙集理论、模糊逻辑与拉普拉斯特征映射的信号识别方法,并提供了完整的Matlab代码实现。该方法旨在解决标签样本稀缺条件下的信号特征提取难题,通过构建模糊相似关系、引入粗糙集边界处理机制以及利用拉普拉斯特征图进行流形学习,有效提升了信号分类的准确性与鲁棒性。文档系统阐述了算法的核心原理、数学模型、关键步骤及其实现流程,涵盖数据预处理、模糊关系构建、未标记样本的伪标签生成、图拉普拉斯矩阵构造与特征投影等环节,为相关领域的科研人员提供了可复现、可扩展的技术方案。; 适合人群:具备信号处理、机器学习及Matlab编程基础的研究生、高校科研人员以及从事智能信号识别、模式分类等方向的工程技术人员。; 使用场景及目标:①应用于雷达、通信、生物医学等领域的复杂信号分类与识别任务;②为半监督学习与模糊系统在低资源标注场景下的融合应用提供技术实现范例;③支持学术研究中的算法性能对比、参数敏感性分析及进一步优化改进。; 阅读建议:建议读者结合提供的Matlab代码逐模块研读,重点理解模糊等价类划分、粗糙上/下近似的应用以及标签传播机制的设计思路,并尝试在不同数据集上验证算法效果,以深化对模型泛化能力与局限性的认识。
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值