還在為改論文頭禿？新AI幫你搞定它，加注釋查錯增刪細節樣樣在行，Meta AI團隊出品
110億參數打造
蕭簫 發自 凹非寺
量子位 | 公眾號 QbitAI
改論文，有時候比寫論文痛苦。
無論是導師“刷屏”的一個個建議，還是期刊給回來的審稿意見，都能折磨得人頭發狂掉。
好消息是，現在AI終于可以幫你改論文了。
像是給論文引用的某個算法/觀點加上原始參考文獻：
又或是修改文中的一些事實性錯誤：
都只需要描述一句話（直接粘貼導師的修改意見），AI就能準確領會你的意圖，并上手改動論文。
最關鍵的是，改動的地方AI還會給出解釋，讓你流利應對導師的“突擊檢查”：
這是Meta AI搞出來的最新協同語言模型PEER，要解決的就是AI會生成文章、卻不會改文章的問題。
△人均撲克高手（doge）
看到這里，一名在讀博士生狂喜：“沒寫完的博士論文有著落了！”
還有網友表示：
很棒的工作，如果LLM沒有交互性，那終將成為一個死胡同。《銀河系漫游指南》的作者一定會喜歡它的。
那么，這只AI究竟是怎么學會“改文章”的？
用AI幫AI一步步“捋順思路”
此前AI會寫卻不會改論文，主要有三點原因：
①無法控制文章細節，搞不懂自己要改啥；②無法聽懂人類的命令；③解釋不了自己生成了什么。
為此，Meta AI的研究人員用4個編解碼器組成PEER，每個編解碼器干不同的活。
它們被分別命名為PEER-Edit（整體規劃&編輯）、PEER-Undo（還原編輯步驟）、PEER-Explain（解釋編輯目的）、PEER-Document（搜集素材）。
這幾個編解碼器并非獨立工作，它們的作用是相輔相成的。
例如，PEER-Undo的出現，實際上就是為了加強PEER-Edit的編輯能力。
PEER-Edit是4個編解碼器中的核心骨干，它會在輸入一段待修改文本和參考素材后，決定如何對文本進行編輯，并給出編輯結果。
但如果直接用待修改文本和參考素材訓練PEER-Edit，會發現它的編輯能力不穩定。
因此，需要用PEER-Undo來根據PEER-Edit的輸出和素材，盡可能還原PEER-Edit編輯過的每個步驟，有點像是“幫對方捋順編輯思路”。
這樣一來，PEER-Edit就會意識到“原來我打算這樣編輯”，并借助PEER-Undo生成的結果，有意識加強訓練效果。
在PEER-Edit和PEER-Undo之外，PEER-Explain和PEER-Document的作用就相對好理解了。
其中，PEER-Explain負責將最終編輯的結果“變成人話”；PEER-Document則負責到網上收集修改用的素材（包括但不限于維基百科），給PEER-Edit“打零工”。
4個編解碼器加在一起，就組成了一個既能與人溝通、了解修改意圖，也能上手查找資料、編輯論文的協同語言模型PEER。
團隊將它與其他模型的能力進行了比較。
110億參數實現SOTA
具體來說，比較的模型包括一些基于T5（Text-to-Text Transfer Transformer）的模型和一些1750億參數的解碼器模型（GPT-3）等。
從圖中可見，PEER系列的模型參數最高也就110億左右，但在一些相關評估上都刷新了SOTA。
從可以實現的效果來看，基本上能直接通過交互，讓AI寫出一段論文并修改：
例如“刪掉沒信源的表述”、以及“把步驟列出來”，這只AI都能準確理解并實現：
不過對于這個模型，也有網友提出了一個設想：
如果讓PEER去審查PEER自己的文章，會怎樣呢？（手動狗頭）
論文地址：
https://arxiv.org/abs/2208.11663
參考鏈接：
https://twitter.com/timo_schick/status/1562818684049309698
- 英偉達自毀CUDA門檻！15行Python寫GPU內核，性能匹敵200行C++2025-12-08
- GPT-5-Thinking新訓練方法公開：讓AI學會懺悔2025-12-04
- GPT5.5代號“蒜你狠”曝光！OpenAI拉響紅色警報加班趕制新模型，最快下周就發2025-12-03
- 華爾街尬捧TPU學術界懵了：何愷明5年前就是TPU編程高手，多新鮮2025-11-30
相關閱讀
