Newest papers

CoWriter: Guiding Methodological and Synergetic Human-LLM Co-Authoring

Shmuel Amar, Benjamin Lieber, Ori Shapira, Debanjana Kar, Sebastian Maximilian Dennerlein, Yufang Hou, Ido Dagan · 2026 · arXiv

DOI: 10.48550/arXiv.2610.31277 · open-access PDF

Russian

В то время как LLM трансформировали текстовое генерирование, стандартные интерфейсы чат-ан-канвас часто сокращают человеческое авторство до довольно пассивного надзора, вызывая усталость от обзора, чрезмерную зависимость от ИИ и отчуждение человеческой роли в долгоформатном, на основе исходного письма. Прежние системы обычно обращаются к изолированным этапам письма, оставляя всеобъемлющее конец-конец сотрудничество человека-LLM в значительной степени неисследованным. В этой статье мы представляем CoWriter, проактивную схему агентов, которая адаптирует экспертные методологии человека (со-автора) из когнитивной науки, чтобы гибко управлять всем рабочим процессом письма, активно

Machine translation (Meta M2M100); the English original follows.

Abstract

While LLMs have transformed text generation, standard chat-and-canvas interfaces often reduce human authoring to quite passive supervision, causing review fatigue, over-reliance on AI, and the sidelining of the human role in long-form, source-grounded writing. Prior systems typically address isolated writing phases, leaving comprehensive end-to-end human-LLM collaboration largely unexplored. In this paper, we introduce CoWriter, a proactive agentic scheme that adapts expert human (co-)authoring methodologies from cognitive science to flexibly steer the entire writing workflow while actively en

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange