看看實際運作功能評價文章常見問題登入下載 App

文章寫作工具

AI 訊息改寫工具真的有用嗎？

四類工具、十四項研究：讓 AI 替你寫訊息，究竟會發生什麼事？按下傳送前的那十五秒，又是什麼真正幫得上忙？

作者 Samet Durgun · Subtext 共同創辦人 · 閱讀時間 15 分鐘

· 更新於 2026年10月31日

我花了幾個星期，把能找到的、談 AI 改寫私人訊息的資料全讀了一遍。一部分是因為我自己正在做這樣的工具，另一部分，是想知道我對這類工具的那個看法，到底對不對。

我相信的是這樣：把一則難寫的訊息交給 AI，真正有用的時刻不是它還給你的潤飾版本，而是在那之前三十秒，有東西告訴你，你已經寫好的那一則會傳達得不好，以及為什麼。

所以我去找做這件事的工具。現成的產品裡找不到，這大致就是我們最後自己做了 Subtext 的原因。請據此把我當成有立場的人，並且自己去核對那些論文。接著我去找研究，看人們讓 AI 寫私人訊息時會發生什麼事，結果發現這部分比那些產品有意思得多。

我說的那個時刻，長這個樣子。我為 Subtext 的一次執行編了一則草稿：「你為什麼不早點跟我說？」對寫的人來說，這只是一個單純的問題。Subtext 把感受命名為「失望」，並把這句措辭標上「指責對方」，理由是這句話「帶有責備的語氣,對方可能覺得自己被追究,而不是被理解」。在這之後，它才提供版本，三個都標為「可放心傳送」。最接近原文的那個標著「貼近原意」，內容是「這件事我希望能早一點知道,你當時是有什麼顧慮嗎?」，附的說明是它「用提問代替責備,對方比較容易放心回答」。這是 App 真實的輸出，沒有經過修改；它呈現的是 Subtext 處理一則草稿的情形，不代表下面那些工具會怎麼處理它。

你為什麼不早點跟我說？

  • 指責對方: 「你為什麼不早點跟我說?」帶有責備的語氣,對方可能覺得自己被追究,而不是被理解。
  • 失望: 你因為事情沒有及早被告知而感到失望,也有點受傷。

事情來得太晚,心裡難免失望,我懂。我幫你寫了三個版本,讓你把感受說出來,又不會讓對方覺得被責怪。

  • 貼近原意 (好奇, 可放心傳送): 這件事我希望能早一點知道,你當時是有什麼顧慮嗎? 保留了你想早點知道的意思,並用提問代替責備,對方比較容易放心回答。
  • 更溫暖 (坦誠, 可放心傳送): 我有點驚訝,也有點失落,因為我比較希望能早一點知道。是不是有什麼原因讓你不太方便說?我想聽聽你的想法。 先說出自己的感受,再邀請對方分享原因,不帶指責,容易讓對話繼續。
  • 著眼下一步 (穩定, 可放心傳送): 聽到這個消息我有點措手不及。我不是要追究什麼,只是希望以後這類事情能早點讓我知道,這樣我們可以一起想辦法。現在我們先看看能怎麼處理,好嗎? 說明不是要追究,把重點放在以後怎麼做和現在如何處理,語氣合作又清楚。

我不知道對方是誰、發生了什麼事,所以內容是用比較通用的方式寫的。想再調整嗎?可以更簡短,或再柔和一點,也可以告訴我對象是誰。

以下是我找到的內容，每一項都附了連結，方便你檢驗我的說法。

這個類別裡，多數產品只做同一件事

如果不看下載量，只依功能來分，這些工具可以歸成四組，而且多數最後都走到同一個地方。

第一組是手機內建的工具。Apple Intelligence 的書寫工具（Writing Tools）1在 iOS 18.1 以後的版本中，全系統都能用。選取文字後，你可以校對（Proofread）；可以改寫，並在友善（Friendly）、專業（Professional）、簡潔（Concise）三種語氣中選一種；也可以用撰寫（Compose），它會把請求交給 ChatGPT。裝置支援就免費，也就是 iPhone 15 Pro 以上的機型。Samsung Writing Assist2在 One UI 上做的是同一類事，有語氣轉換和聊天翻譯。Gboard3則加了智慧回覆、校對和換個說法的工具，由 Gemini Intelligence 驅動，不過個人化的版本只限 Pixel 11 系列的裝置。全部免費。

第二組是訊息 App 裡的助理。Magic Compose4在 Google 訊息裡，把建議回覆放在鍵盤上方，也能用多種風格改寫草稿，風格包括「Excited」（興奮）、「Chill」（放鬆），還有一個我想不通為什麼會有的「Shakespeare」（莎士比亞風）。它會取用你最近的二十則訊息作為脈絡，Google 說這一切都在裝置上處理，不會把其中任何一則傳到它的伺服器。Google 訊息裡的 Gemini 則是另一回事：它是一個聊天對話串，你在裡面擬稿，再把結果複製到真正的對話裡，而且它看不到你其他的對話串。你需要哪一類，看的是要處理什麼事：哪一款 AI 回覆 App 最適合你，要看你的問題是訊息太多，還是這一則太重要。

第三組是交友回覆 App。你把一段對話截圖，App 對圖片做文字辨識（OCR），然後給你開場白和機智的回應。W Rizz 每週收費 3.99 美元；PlugAI（前身是 RizzGPT）大約是 4.99 美元。這類 App 還有幾十款，它們追求的全是同一件事：下一則訊息有沒有得到回覆。

第四組是專為難談的對話而做的小型工具。這是最有意思、也最缺資金的一組。iOS 上的 Resolve5會替它所謂的「conflict temperature」（衝突溫度）打分數。Android 上的 Clarity Coach6讓你把草稿打進一個練習情境，它會先告訴你這份草稿讀起來是含糊、太直接，還是解釋過度，然後才幫你改寫。我共同創辦的 Subtext 也屬於這一組，做法和這個類別的其他工具正好相反。它會讀整個對話串和你的草稿，告訴你對方讀到這則訊息時可能有什麼感受、是哪些措辭造成的，之後才提供改寫，你可以採用，也可以不理。

留意這些工具大多是怎麼運作的：你給它一段文字，它還你另一段文字。至於先讀你寫的內容，再告訴你對方可能怎麼接收的那一步，很少見，就算有，也多半出現在工作用的軟體裡。Outlook 的 Copilot7提供電子郵件寫作建議，涵蓋語氣、清晰度，以及讀信的人可能有的感受；Grammarly 的 Reader Reactions8則會預測，你指定的讀者讀完一份文件後會得到什麼印象，哪些地方可能讓那位讀者看不懂。兩家公司設計這項功能時，想的都不是你正要傳給姊姊的那段文字。在個人用途這一邊，Clarity Coach 最接近，但它是個練習用的沙盒，碰不到你真正要傳出去的訊息。

Grammarly9是我想說得精確一點的那一個，因為它是最有可能補上這個缺口、卻差了一步的工具。它的語氣偵測會讀你的用字、措辭、標點和大小寫，然後告訴你這是哪一種語氣。2019 年推出時，涵蓋約四十種語氣10，包括感激、有自信、正式、充滿愛意和悲傷。Grammarly 自己的支援文件，對這個限制說得很謹慎：偵測工具辨識的是整段文字的整體語氣11，並不提供逐句改寫。它告訴你文字裡有什麼語氣；至於你的姊姊會不會因此覺得被打發了，是另一個問題。Grammarly 較新的 Reader Reactions 功能，則針對你指定的讀者（例如主管或客戶），試著回答這個問題的一種版本8。至於它預測真實讀者準不準，我還沒看過獨立的測試。語氣偵測屬於免費方案；Pro 方案若年繳，每月 12 美元（依目前價格追蹤網站的資料）。

人們分不出文字是不是 AI 寫的，離能分辨還差得遠

這是最讓我意外的發現，也是這個領域裡檢定力最足的一項研究。

Maurice Jakesch、Jeff Hancock 和 Mor Naaman 做了六項實驗，共有 4,600 位美國參與者，發表在 2023 年的 PNAS12。參與者閱讀交友、旅宿接待和職場個人檔案裡的自我介紹，猜哪些是機器寫的。正確率落在 50% 到 52% 之間。在交友的情境中，答對有金錢報酬，正確率約為 51.6%。和丟硬幣猜差不多。

原因是，我們用的都是同一批不可靠的捷徑。參與者把第一人稱、口語的簡短說法、提到家人，還有溫暖的情感細節，當成是真人寫的證據；把乾淨的文法和平淡的措辭，當成是機器寫的證據。這些訊號，模型只要被要求，隨手就能做出來。這套經驗法則，指的方向剛好是錯的。同一篇論文裡，專門訓練過的分類器也只做到 58.1%，所以這不是多留點心就能補上的能力問題。

數字 分辨文字是 AI 寫的還是真人寫的，正確率：50% 到 52%。和丟硬幣猜差不多。

六項實驗 · 4,600 位參與者 · 發表於 2023 年的 PNAS · 專為這項任務訓練的分類器也只達到 58.1%

有一個但書：那項研究用的是 GPT-3 時代的文字。我沒看過有人以接近那樣的規模，測試這些數字面對現在的模型是否還成立。

這也是 Subtext 從不去猜一則訊息是不是 AI 寫的原因之一。它讀的是你自己的草稿，看對方收到時會有什麼感受；這是光靠猜作者是誰，永遠看不出來的。當措辭讀起來像套用樣板，滿是現成的套話、背後沒有說話的人，它會標上「robotic tone」（機器人般的語氣）這個標籤，這說的是文字讀起來像什麼，不是誰寫的。

傷害來自被懷疑，不是被抓到

既然人們分辨不出 AI，你可能以為這層顧慮會整個消失。它沒有，而對任何要傳訊息給真人的人來說，重點就在這裡。

Cornell 帶頭的團隊做了兩項隨機實驗，共有 1,020 位參與者，發表在 Scientific Reports13。智慧回覆讓對話更快、更正向，人們也覺得彼此更親近、更願意合作。不過，懷疑對方在用智慧回覆的參與者，給那個人的評價明顯比較差。傷害來自懷疑。那項研究測的是懷疑，不是準確度，而依上面的分辨正確率，我不認為這些懷疑指向的，多半是真的用了智慧回覆的人。

Carnegie Mellon 的團隊在一篇 2025 年的論文14中，用兩項研究、共 399 位參與者，替這件事提出了一個機制，結果比單純的扣分更細微。AI 標籤不只是記在你頭上的一筆扣分。它讓你的訊息，不論往哪個方向，都變成較弱的證據，說明你是怎樣的人。用 AI 協助寫的道歉，讀起來比較不溫暖；用 AI 協助寫的炫耀或責備，讀起來比較不冷酷。標籤把訊息裡關於你是誰的資訊抽掉了。

這個說法一直留在我腦中。不管你的訊息原本在發出什麼訊號，標籤都把它的音量調小了。

但有一個情境例外：告知對方用了 AI，並沒有造成可測量的差別

我想把這項跟我自己的產品論點唱反調的研究也放進來，因為略過不提就不誠實了。

任職於 Max Planck Institute for Human Development 的 Zoe Purcell 等人（作者之中又有 Jakesch），做了兩項預先註冊的實驗，發表在 2025 年 11 月的 iScience15。共有 1,637 位參與者，玩的是有金錢獎勵的雙人信任賽局。一半的人可以用預測式文字輔助，寫一則訊息說服陌生人信任自己；其餘的人靠自己寫。

AI 輔助對信任的影響微乎其微，就算有說明用了 AI，也是這樣。有輔助的寫作者，寫出的訊息同樣能引發信任，卻花了較少時間，所以每花一分鐘換到的信任更多。語言分析發現，他們的訊息真實感稍低，但更溫暖、更複雜，在研究者所謂的「clout」（影響力）上也更高。

作者對適用範圍很謹慎，我也是。這是陌生人之間、涉及金錢的一次性交易。在一個付款決定上表現出的行為信任，和你的伴侶在晚上 11 點讀到你的訊息、判斷你是不是真心的，是兩回事。不過我的判斷是，「AI 毀掉信任」這個說法，在文獻裡確實有一個反例，就是這一項。

AI 寫的安慰訊息比多數人寫得好，直到你說出那是 AI 寫的

兩項研究，結果如出一轍。

Yin、Jia 和 Wakslak 在 PNAS 發表的研究16發現，AI 生成的回應，比未受過訓練的真人回應，更讓人覺得被傾聽，而且 AI 更能判斷當下是哪一種情緒。接著他們告訴接收者，這則訊息來自 AI，效果就降低了。其中一位作者指出，這兩種效果的大小相近，大致互相抵銷。

Ovsyannikova、Oldemburgo de Mello 和 Inzlicht17在 Communications Psychology 發表了四項預先註冊的實驗，共有 556 位參與者。參與者認為 GPT-4 的回應比真人的更有同情心，包括 Distress Centres of Greater Toronto 的受訓危機專線志工所寫的回應。說明來源後，差距縮小了，但沒有消失。

所以，在措辭這件事上，機器常常做得更好。可是一則訊息帶著的，不只有措辭。

花心力之所以重要，是因為過去花心力的成本很高

讓我把這一切串起來的，是訊號理論這個框架。

一則訊息做兩件事。它帶著內容，也證明你為了把它傳出去，付出了一些代價：你的時間、你的注意力，而在艱難的對話裡，還有你的沉著。這些都是有限的，所以花掉它們，就如實說明了你有多看重對方。一項關於承諾訊號的研究18以日本和美國的樣本發現，代價高的訊號勝過代價低的訊號，而且沒送出預期中的訊號（例如忘了某個特別的日子），對愛情關係的傷害，遠大於對友情。

寫出一則溫暖、表達流暢、結構清楚的訊息，成本一旦降到幾乎是零，這個訊號就不再帶有資訊。

這個機制現在有了直接的證據，只是證據不是來自訊息的情境。一項 2026 年刊登於 Frontiers in Psychology 的研究19找來 618 位參與者，發現把內容標示為 AI 生成，會明顯降低人們感受到的投入程度，而標示為真人製作，和完全不標示並無差別。人們預設別人是花了心力的，AI 標籤則拿掉了這個預設。那項研究用的是短影片，所以要拿來推論訊息時，得謹慎一點。

把措辭外包出去，似乎會削弱你對那些話的承諾

這是我一直放不下的發現，而且它談的完全不是收到訊息的人。

阿姆斯特丹 CREED20的經濟學家做了信任賽局，讓傳訊的人可以用 ChatGPT，寫一則承諾回報的訊息。兩件事同時發生。能用 ChatGPT 的人，做出的承諾更明確；而只要打開過 ChatGPT 的人，到了分配報酬時，兌現承諾的頻率低了 25.7%，不論他們最後有沒有照抄它給的內容。

最能說明問題的細節是：送出的訊息越接近 ChatGPT 的原始建議，傳訊的人後來的行為就越不值得信任。把建議改寫過的人，表現比較好。作者把這解讀為一種擁有感：用自己的話說出一件事，你會覺得自己受它約束；轉發機器寫的東西，你心裡總有一部分，從來沒在上面簽過名。這也是為什麼 Subtext 先讓你看到問題，才給任何替代版本，並標出每個版本改動了你多少措辭。自己挑的、或自己打的修改，才是你簽過名的。關於改寫會怎麼影響你的說話口吻，比較新的研究我整理在怎麼找到一款會改寫訊息、聽起來卻還是你的 App。

道歉這個情境有人認真研究過，而發現比一句「別用」更有用

如果你只讀一段，就讀這一段，因為實用的答案在這裡。

Ella Glikson 和 Omri Asscher 針對職場道歉做了三項情境研究，發表在 Computers in Human Behavior21。知道對方用了 AI 工具來寫道歉，會讓那份道歉顯得沒那麼真實，也降低人們願意原諒的程度。就算你自己主動說出來，也沒有減輕這個效果。到這裡為止，都在意料之中。

接下來這一點，改變了我的想法。有三種 AI 工具可以用，只用了其中一種的參與者，真實感完全沒有被扣分。研究者把這解讀為距離：有節制地使用 AI，最後的訊息會維持在接近當事人原本想說的樣子，而人們感覺得到。

Lim、Hong 和 Schneider 另做了一項 3x2 的實驗，有 464 位參與者，同樣發表在 Computers in Human Behavior22，發現參與者普遍覺得真人寫的道歉更誠懇，而溫暖的語氣讓 AI 寫的道歉有所改善，卻始終沒能追平和真人寫的道歉之間的差距。

Fan、Liu 和 Pan 在一篇 2026 年的 CHI 論文23裡，用感情關係中的訊息測試了這件事，第一項研究有 152 人，第二項有 704 人。訊息由 AI 擬的部分越多，讀起來越不像傳訊的人自己寫的，也越顯得不真實。傳訊的人看過、也認可的輕微語氣改寫，對人們如何評價一則道歉有幫助；但完整由 AI 擬好的草稿，以及設立界線的訊息，結果就不同了。

把這三項放在一起，就得到一個實用的結論。扣分的多寡，看的是完成的訊息離你原本的意思有多遠，而不是有沒有機器在場。Subtext 就是照這個道理設計的：先讓你看到是什麼造成了那種印象，才提供任何完成的版本，並告訴你每個版本改動了你多少措辭，畢竟要讓道歉可信，就得把這段距離保持得短。更廣泛的研究，我另外寫在怎麼用訊息道歉。

這些工具會把你最糟的衝動修飾得漂漂亮亮，卻一句話也不說

寫一句被動攻擊的話，交給手機上隨便哪一款改寫工具，看會發生什麼事。你得到的，是寫得更好的被動攻擊。沒有警告，也沒有一句「你確定嗎」。工具的任務，就是照你的要求做。

模型會偏向這個方向，是有原因的。OpenAI 在 2025 年 4 月撤回了一次 GPT-4o 的更新，並公開寫道24，那個模型變得「過度奉承或順從，常被形容為一味迎合（sycophantic）」，而且「偏向過度支持、卻不真誠的回應」。他們指出的原因，是過度依據使用者的短期回饋來調整，也就是讚和倒讚。在後續的一篇文章25裡，他們承認，自己完全沒有用來追蹤一味迎合的部署評估。

Anthropic 的研究人員發現，同樣的模式相當普遍。在 ICLR 202426發表的一篇論文中，五款前沿的 AI 助理都出現了一味迎合的現象；分析約 15,000 組人類偏好比較後發現，與使用者已表明的信念一致，是預測人們偏好哪個回應的最強預測因子之一。拿認可去訓練，挑出來的就是附和。2025 年的一項基準測試27對 ChatGPT-4o、Claude Sonnet 和 Gemini 1.5 Pro 做了測量，在 58.19% 的測試案例中出現一味迎合的行為，而且一旦開始，有 78.5% 會持續下去；不過它測的是事實性的問答，不是私人訊息。至於私人訊息，我比較過寫作用的 ChatGPT 替代工具，以及三大廠對你的文字做了什麼。

現在想想，這對你最需要幫忙的那一刻意味著什麼。你正在氣頭上，寫下了一段你會後悔的話，而拿著你草稿的工具，追求的是讓你對這段話感覺良好。

Subtext 就是為那一刻而存在的，讓人不舒服的部分，正是重點所在。它會告訴你，這份草稿讀起來帶著怒氣，而不是把怒氣改寫得更順耳。

拿一句聽起來很客氣的話來說。草稿是「沒關係，我自己來就好。」Subtext 回傳的標籤是「語氣不明確」。它附的說明寫道，這句話「很短，沒有任何語氣線索，可能被讀成體貼，也可能被讀成有點賭氣或疏離」；它把感受命名為「體貼」。它提供的三個版本都標為「可放心傳送」，最接近原句的那個標著「貼近原句」，內容是「沒關係，我自己來就好，謝謝你。」，說明是只多加了一句「謝謝你」，「讓婉拒聽起來是客氣而不是冷淡」。以上是 App 實際的輸出，未經修改。

沒關係，我自己來就好。

  • 語氣不明確: 「沒關係，我自己來就好。」很短，沒有任何語氣線索，可能被讀成體貼，也可能被讀成有點賭氣或疏離。
  • 體貼: 你想婉拒對方的幫忙，語氣平和，不想麻煩別人。

你想自己處理、又不想讓對方覺得被拒絕，這份體貼我懂。下面幾種寫法，讓語氣更明確一點。

  • 貼近原句 (溫和, 可放心傳送): 沒關係，我自己來就好，謝謝你。 保留你原本的說法，只加上一句「謝謝你」，讓婉拒聽起來是客氣而不是冷淡。
  • 更溫暖 (感謝, 可放心傳送): 沒關係啦，我自己來就好，謝謝你想幫我！ 先感謝對方的心意再婉拒，「沒關係啦」讓語氣輕鬆，不容易被誤會成賭氣。
  • 留個後路 (從容, 可放心傳送): 謝謝你願意幫忙，這次我先自己來就好。如果之後忙不過來，我再跟你說。 婉拒的同時說明之後需要會開口，讓對方知道門沒有關上，不會覺得被推開。

最後一版的「之後再跟你說」是我加的，如果你不想留後路可以拿掉。想再簡短一點，或更輕鬆自然一點嗎？

老實說，這次執行對這一節的論點，沒有我預期的那麼有利。Subtext 沒有把這句話當成被動攻擊，三個版本也都放行了。它的提醒放在版本之前：這句話可能被讀成賭氣或疏離。如果只看那個最接近原句的版本，它和手機上的改寫工具會還給你的東西差不了多少；差別在於它先說了這句話可能怎麼被讀，那正是改寫工具略過不提的一步。

我答不出的問題

自己寫的笨拙訊息，和不是自己寫的漂亮訊息，傳哪一種比較好？

我認真找過，沒有任何研究直接測試這件事。沒有人把「你自己寫的、不完美的草稿」和「不是你寫的好草稿」做隨機分派，再追蹤這段關係後來怎麼了。長期追蹤的研究則完全沒有。也沒有任何實地資料，記錄伴侶、家人或親近朋友在使用 AI 輔助傳訊好幾個月之後的情形。我們不知道人們會不會適應機器修飾出來的流暢，或這個習慣會不會悄悄侵蝕些什麼。

就親密關係來說，現有的證據都指向同一個方向：花心力，會被讀成在乎；標籤讓訊號變得平淡；把措辭外包出去，似乎會讓你對自己的承諾握得不那麼緊；而道歉越貼近你原本的意思，就越可信。不過信任賽局的結果顯示，在某些情境裡，代價小到測不出來，我不打算假裝證據比實際上更明確。

那麼，什麼才有幫助

回頭把這一切再讀一遍，我認為市面上缺的那款產品，輪廓相當清楚，而且幾乎和這個類別正在做的方向相反。

沒有人需要別人替自己換掉措辭。在按下傳送前的那十五秒，人們需要的是知道，這則訊息讀起來比自己真正的感受更冷，或是自己以為在澄清的那些話，讀起來像一張怨言清單。接著他們用自己的話自己修改，這樣一來，花了心力的訊號保住了，擁有感保住了，Glikson 和 Asscher 所說的那段距離也維持得很短。

我希望存在的就是這個版本，我們也是圍繞著它打造了 Subtext。它讀的是整個對話串，而不是單獨一句；它會點出你的草稿可能向即將讀到的人傳遞什麼訊號，並指出造成那種印象的措辭。

之後 Subtext 提供的每個版本，都會標出它改動了你多少措辭，複製之前，你還可以用「手動編輯」改動其中任何一個，所以最後的修正仍然是你的。依上面的證據，這比改寫本身更重要，因為扣分的多寡看的是離原意有多遠，而最短的距離，就是你自己的那句話只換一個字。

我自己的原則，姑且供你參考：我可以讓機器告訴我，我的訊息聽起來是什麼樣子，但我不會讓它替我向姊姊說對不起。

覺得我哪項研究讀錯了，或知道有哪款工具會先診斷、再改寫？歡迎到 LinkedIn 告訴我。

Samet Durgun 是 Subtext 的共同創辦人。Subtext 是一款 App，會抓出訊息裡的情緒語氣，並用你自己的口吻改寫。他住在柏林。

資料來源

上面的每個連結，只要有原始來源，都直接連到原始來源，並依出現順序編號。產品功能和價格的查證時間是 2026 年 8 月。如果某個數字出自公司部落格或新聞稿，而不是研究，我就沒有採用。

  1. Apple Support. Use Writing Tools with Apple Intelligence on iPhone.
  2. Samsung. Use Writing assist on Galaxy phones and tablets.
  3. Google Support. Use writing tools with Gboard.
  4. Google Support. Draft messages with Magic Compose.
  5. Apple App Store. Resolve: AI Conflict Coach.
  6. Google Play. Clarity Coach.
  7. Microsoft Support. Get email coaching with Copilot in Outlook.
  8. Grammarly Support. Reader Reactions user guide.
  9. Grammarly. Writing Tone Detector and Tone Suggestions.
  10. TechCrunch (2019). Grammarly gets a tone detector to keep you out of email trouble.
  11. Grammarly Support. How do Grammarly’s tone suggestions work?
  12. Jakesch, M., Hancock, J. T., & Naaman, M. (2023). Human heuristics for AI-generated language are flawed. PNAS, 120(11), e2208839120.
  13. Hohenstein, J., Kizilcec, R. F., DiFranzo, D., Aghajari, Z., Mieczkowski, H., Levy, K., Naaman, M., Hancock, J., & Jung, M. F. (2023). Artificial intelligence in communication impacts language and social relationships. Scientific Reports, 13, 5487.
  14. Khadpe, P., Wenzel, K., Loewenstein, G., & Kaufman, G. (2025). Explaining the Reputational Risks of AI-Mediated Communication. AAAI/ACM Conference on AI, Ethics and Society.
  15. Purcell, Z. A., Jakesch, M., Dong, M., Nussberger, A.-M., & Köbis, N. (2025). Writing with AI boosts trust-building efficiency. iScience, 28(12), 114092.
  16. Yin, Y., Jia, N., & Wakslak, C. J. (2024). AI can help people feel heard, but an AI label diminishes this impact. PNAS, 121(14), e2319112121.
  17. Ovsyannikova, D., Oldemburgo de Mello, V., & Inzlicht, M. (2025). Third-party evaluators perceive AI as more compassionate than expert humans. Communications Psychology, 3.
  18. Yamaguchi, M. 等人 (2015). Commitment signals in friendship and romantic relationships. Evolution and Human Behavior.
  19. Human-made vs. AI-generated: how provenance labels drive strategic curation via perceived effort (2026). Frontiers in Psychology.
  20. AI-Powered Promises: The Influence of ChatGPT on Trust and Trustworthiness. CREED, University of Amsterdam.
  21. Glikson, E., & Asscher, O. (2023). AI-mediated apology in a multilingual work context. Computers in Human Behavior, 140, 107592.
  22. Lim, J. S., Hong, N., & Schneider, E. (2025). How warm- versus competent-toned AI apologies affect trust and forgiveness through emotions and perceived sincerity. Computers in Human Behavior, 172, 108761.
  23. Fan, G., Liu, D., & Pan, L. (2026). Is It Still You? Attributing Authorship and Authenticity in AI-Assisted Romantic Communication. Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems, 1-24.
  24. OpenAI (2025). Sycophancy in GPT-4o.
  25. OpenAI (2025). Expanding on what we missed with sycophancy.
  26. Sharma, M. 等人 (2024). Towards Understanding Sycophancy in Language Models. ICLR 2024.
  27. Fanous, A. 等人 (2025). SycEval: Evaluating LLM Sycophancy. AAAI/ACM Conference on AI, Ethics and Society.