Inspo: Writing Stories with a Flock of AIs and Humans

大型语言模型（LLMs）已经推动了自动化写作辅助的进步，使得像共同创作小说和诗歌这样的复杂任务成为可能。然而，实际的写作通常需要在不同的阶段和场景中获得各种支持和协作。现有的研究主要研究作家如何利用单个文本生成器，忽略了这个更广泛的背景。本文介绍了Inspo，一个基于Web的编辑器，它集成了各种文本生成器和在线众包工作者。通过三个阶段的用户研究，我们研究了作家与Inspo在小说写作中的交互。通过对写作日志的定量分析，我们强调了参与者写作进展的变化以及各种文本生成模型的影响。通过半结构化访谈的定性洞察力来补充这些，我们阐述了参与者对这些模型和群众的看法。基于这些发现，我们提供了下一代智能写作工具的设计建议，并讨论了在写作过程中整合人工智能和人类输入的潜在社会文化影响。

论文旨在介绍Inspo，一个整合了各种文本生成器和在线众包工作者的基于Web的编辑器，以解决实际写作中需要各种支持和协作的问题。研究还探讨了作家与Inspo的交互，并评估了不同文本生成模型和人群对写作进展的影响。

本文提出了一个新的智能写作工具Inspo，它将文本生成器和在线众包工作者结合起来，使得写作过程中可以得到更多的支持和协作。同时，通过实验研究，探讨了Inspo对于小说写作的影响，并提出了下一代智能写作工具的设计建议。

本文的亮点在于提出了一个新的智能写作工具Inspo，它将文本生成器和在线众包工作者结合起来，使得写作过程中可以得到更多的支持和协作。研究通过实验研究探讨了Inspo对于小说写作的影响，并提出了下一代智能写作工具的设计建议。本文使用了三个阶段的用户研究，定量分析了参与者的写作进展以及各种文本生成模型的影响，并通过半结构化访谈得出了参与者对这些模型和人群的看法。值得进一步研究的是如何更好地整合AI和人类输入以提高写作效率。

最近在这个领域中，还有一些相关的研究，例如：1.《GPT-3: Language Models are Few-Shot Learners》；2.《The Role of Human Input in Machine Learning: A Survey of Active Learning》；3.《Generating Long and Coherent Responses with Neural Conversation Models》。