AIが書いた韓国語の文章を、意味を変えずに自然な文にする

## 事実と文の調子を守り、問題のある所だけを直す 人間らしくする作業を、文章を再解釈する機会ではなく、制約のある編集として扱う。すべての事実、主張、数値、固有名、引用、原文固有の確約を保つ。 - 元のジャンルを保つ。報告書をエッセイに変えたり、コラムを文学的な文章に変えたりしない。 - 文体の格を双方向に保つ。格式のある韓国語は格式を、会話調の韓国語は会話調を維持する。 - 洗練されて見せるためだけに、自然な話し言葉の語尾を硬い表現へ置き換えない。 - 検出した問題に関係する箇所だけを変更する。 - 新しい決まり文句、事実、例、修辞的な主張を加えずに、AIらしさを取り除く。 - すでに自然な箇所には手を加えない。 自然な響きより忠実さを優先する。自然に聞こえる書き直しで意味が変わるなら、より忠実な表現を残す。 ## AIらしい癖を見つけ、3段階の重さに分ける 書き直す前に、観察できる箇所を診断する。翻訳調、英語引用の多用、機械的な並列表現、型どおりの言い回し、受動態の多用、接続表現の過剰、均一なリズム、絵文字や箇条書きの多用など、繰り返し現れる特徴を分類する。 深刻度は三段階で扱う。 - **S1 — 決定的:** 一件でも機械が書いた文章であることを強く示すため、必ず取り除く。 - **S2 — 強い:** 単独の出現は一、二件まで許容するが、繰り返す場合は修正する。 - **S3 — 弱い:** 他のパターンと重なった場合だけ対処する。 通常経路と集中経路では、下書き全体で支配的なパターンを三〜六個特定する。診断は対象を絞った編集の根拠であり、無関係な箇所を書き直す許可ではない。 ## 下書きの状態から、軽め・普通・しっかりの直し方を選ぶ 下書きから定量的な経路の推奨を導き、利用者が明示した選択で既定値を上書きできるようにする。 - **Light:** 語彙上のAIらしさがほとんどない良質な下書きに対し、保守的な書き直しを一回行う。直す箇所がほぼなければ早めに終了し、下書きがすでに良好だと伝える。 - **Standard:** 一般的なAI下書きに対し、診断を一回行った後、対象を絞った書き直しを一回行う。 - **Heavy:** 問題が密集している場合、15,000字を超える文章、または検証の証拠が必要な作業に対し、診断、書き直し、決定論的な変更率検証、原文との最終比較を行う。 厳密または精密な作業を求められた場合はHeavy経路を強制し、軽い作業を明示的に求められた場合はLight経路を強制する。指標の算出に失敗した場合は、経路選択に成功したふりをせず、Standard経路へ安全に切り替える。 LightまたはStandardの結果が低評価なら、Heavy経路での再実行を勧める。利用者が選択していないのに自動で切り替えない。 ## 必要な手順だけを行い、しっかり直す時だけ最後に原文と見比べる 各工程に一つの判断だけを担当させる。 1. 原文を準備し、経路選択用の指標を算出する。 2. StandardまたはHeavyの作業では、文章全体で支配的なパターンを診断する。 3. 根拠のある箇所だけを書き直す。Lightでは保守的な強度を、StandardまたはHeavyでは対象を絞った強度を適用する。 4. すべての経路で決定論的な変更率ゲートを適用する。 5. Heavy経路では、書き直した文章を原文と直接比較し、忠実さと自然さを確認して、残った問題箇所だけを修正する。 Lightは書き直しを一回だけ行う。Standardは通常、診断と対象を絞った書き直しで終了する。Heavyでは原文に基づく最終確認を追加するが、これを広範な文体変更の口実にしてはならない。 ## 長い文章は、しっかり直す時だけ分けて直す 文章を分割すると規則と診断の文脈を繰り返し読み込むことになり、コストと不整合が増えるため、一回の書き直しを優先する。15,000字以下の文章には分割を勧めない。 分割はHeavy経路だけで行い、準備処理で実際に二個以上の分割片が作られた場合に限る。分割片が一個だけなら、一回の処理を使う。 分割が必要な場合は、次を守る。 - 手を加えない原文の箇所は、そのまま通すテキストとして保持する。 - 変更可能な結果ファイルを共有させず、独立した分割片を処理する。 - 元の順序で再結合する。 - 再結合後に文字数と境界を比較する。 - 完成した結果全体へ、同じ変更率ゲートと忠実さゲートを適用する。 効率化は主に不要なモデル呼び出しを減らすことで実現し、モデル品質を黙って下げることで実現してはならない。 ## 韓国語の自然な話し言葉の語尾を、硬い言い方に変えない AIらしい文体を、文章がくだけすぎている証拠ではなく、文法、修辞、反復、リズムの問題として扱う。 - 文脈上自然な場合は、会話調の語尾や慣用的な言い回しを保つ。 - 一般的な短縮形を、より格式のある表現へ機械的に置き換えない。 - 格式のある入力は、仰々しくせずに格式を保つ。 - 均一さが問題として検出された箇所でのみ、リズムに変化をつける。 - 型どおりの称賛表現や官僚的な言い回しは、存在する場合だけ取り除き、新しく加えることは決してしない。 - 引用文は変更しない。 目標は単一の好ましい口調ではなく、原文と一貫する人間らしい声である。 ## 変えた量を測り、直しすぎた時は止める モデルが収束したと感じるかどうかに頼らず、編集量を測定する。 - 変更率が30%を超えたら警告する。 - 変更率が50%を超えたら作業を停止する。 - Heavyの確認では、意味、事実、数量、名称、引用、ジャンル、文体、省略、追加を網羅する忠実さチェックリストに基づき、原文と書き直した文章を比較する。 - 残っているAIらしさと過剰編集の両面から、自然さを確認する。 - 確認で不合格になった箇所だけを修正する。 最終確認で競合を安全に解決できない場合は、結果を保留し、人による確認が必要な問題として報告する。編集量が許容範囲内かどうかは決定論的な変更率ゲートで判断し、モデルによる自己診断の繰り返しで代用しない。 ## 仕上がりをAからDで評価し、次にやる事を伝える 深刻度別の件数、改善度、過剰編集の兆候を使って結果を分類する。 - **A:** S1の検出結果がゼロ件、S2が二件以下で、スコア改善率が70%以上。 - **B:** S1の検出結果がゼロ件、S2が四件以下で、スコア改善率が50%以上。 - **C:** S1が一〜二件、または過剰編集の兆候が二件。二回目の編集を勧める。 - **D:** S1が三件以上、または深刻な過剰編集。人による確認を勧める。 安定した識別子を備えた単一の正本分類体系を維持する。レビュー済みの証拠に基づく場合だけパターンを追加または昇格し、その正本から派生する簡易ルールを再生成して、回帰用の固定事例と決定論的な検査でずれを防ぐ。 選択した経路、重要な編集、ゲートの結果、未解決のリスク、追加の編集または人による確認を勧めるかどうかを報告する。