维基百科:AI生成文的特徵
| 徵求在中文維基百科的實例! |


這篇說明將探討、並羅列ChatGPT等聊天機器人生成文字的特徵。你可以當成是在維基百科輔助尋找未經修飾的AI文參考:裡面有些特徵能用於偵測維基百科的AI文,但有些只能用於維基百科。
注意,由于大型语言模型是使用人類作品去訓練的,所以即使文章有很多論述提及的特徵,也不能一口咬定就是AI生成的。更何況這篇說明是描述,不是規定;裡面的例子是總結觀察的結果,而不是制定的規則。如何修改文章可以去方針與指引、還有格式手册。當然去讀那些典範條目或是優良條目是再好不過了。
本說明只是去講解AI文的特徵,問題不在他們本身:這些特徵往往能輕易解決[a],但一些更嚴重的問題卻很難發現得了。只把特徵解決的話,會讓更嚴重的問題更難察覺。務必在判斷AI文時解決它們,並在必要時請報告相關問題。請見Wikipedia:大语言模型 § 如果发现了疑似大语言模型生成的内容……。
快速删除的G21(極有可能使用大型語言模型生成且明顯缺乏人工校對的頁面)也有列出AI生成的文字特徵,但裡面的內容只會列出最明顯、最客觀的特徵。本說明提到的特徵本身無法保證能快速刪除。
聲明
[编辑]示例
[编辑]本篇所有示例僅用於說明本文主題「AI生成文的特徵」,裡面可能與事實、常識、方針指引等完全不符。若有疑問之處,請運用常識判斷。
AI偵測工具
[编辑]不要過度依賴GPTZero等人工智能内容检测。檢測工具雖然很有用,但出錯率也不小。[1]檢測工具會受到各種干擾,包括字句變更、標記、空白間距等因素影響。使用在偵測器訓練期間未見過的模型也可能讓檢測工具結果不同。[2]
檢測能力
[编辑]請不要太相信自己的判斷力。雖然目前關於人類識別AI文的研究不多,但2025年的研究發現,在大語言模型的重度使用者之中,大約有90%的機率能正確判斷文章是否由人工智慧產生。但不常使用LLM的人,他們的準確率都只略高於隨機猜測。[1]要注意的是,編輯也可能會調整寫作行為,以避免被指控文章是AI生成,或在被質疑時對「使用AI的指控」持防衛態度。
內容
[编辑]人工神經網路通常使用統計演算法推測最可能回應,這代表AI生成內容趨向均值回歸。作為人工神經網路的大語言模型也不例外:它們會使用演算法決定最可能的回應[b]。這意味著生成文字往往會產出統計上最可能、最通用的情境。這既是優勢,也是偵測AI生成的利器。這就是為什麼AI文很容易就會被查出來。
打個比方,大語言模型通常使用網路資料訓練素材;由於大多數網站講解名人時,通常會以聽起來正面且重要的語言;因此,大語言模型在講解某個主題時,語調通常會傾向正向且籠統,並省略具體、不尋常、以致細微的事實。這是因為前者統計上較為常見,但後者則較為罕見。
在這個模式下,如果你想希望大語言模型簡單介紹一下「豐田喜一郎」這個人的話,那麼比起维基百科極為具體的文字:
豐田喜一郎(日語:豊田喜一郎/とよだ きいちろう,羅馬化:Toyoda Kiichiro,1894年6月11日—1952年3月27日),日本企業家,豐田汽車創辦人。1933年,於其父親豐田佐吉的公司(豐田自動織機)內,成立汽車製造部門。1937年,把此汽車製造部門獨立出來成立豐田汽車。
大語言模型更可能生成籠統的正向文字:
豐田喜一郎(**Toyoda Kiichiro,1894-1952**)是**豐田汽車公司的創辦人之一**,也是把豐田從紡織業帶進汽車產業的關鍵人物。
——ChatGPT
或是:
說到日本汽車工業,**豐田喜一郎(Kiichiro Toyoda)**絕對是靈魂人物。他不僅是豐田汽車(Toyota)的創始人,更是將日本從「織布機國家」推向「汽車大國」的關鍵推手。
——Gemini
你可以想像成一個開了廣告的動態,不斷加大聲量說了某個美女的圖多麼正多麼好看,但點進去卻發現只是張普通的模糊素描,和你印象中正妹的自拍照差得遠了。找找文本轉圖像生成模型生成圖像就知道怎麼回事:這類圖片乍看之下尚可接受,但具體細節往往模糊變形。到了背景物件與文字尤甚。
此外,每種型號和版本的聊天機器人,都有獨特的寫作方式(個人方言)。[3]例如ChatGPT的典型特徵可能並不適用於Gemini。
忽略細節
[编辑]由於前述的「均值回歸」問題,AI文生成方面很容易忽略一些一般編者會注意的細節。
過度強調重要性、歷史影響、宏觀趨勢
[编辑]在重要的主題上,AI常常用詞浮誇,強調其於該領域的代表性、或如何對該領域做出貢獻。[4]這種撰寫方式存在著一套鮮明且易於辨識的慣用手法。[5]即使是詞源或人口資料這種平淡無奇的資訊亦然。
示例
地理意义和应用
- 大圆:任何经线与它的反向经线(在此为西经 81度线)共同形成一个大圆,这在航海、航空导航上具有意义。
- 测量参考:经线是地理坐标系统的重要组成部分,用于确定地点的东西位置。
- 时区:虽然东经 99度线本身不一定正好对应某一个时区,但经线和时区中央经线之间的关系是时区划分时一个重要参考。[6]
AI有時會在討論主題的重要性之前,先加上一些模稜兩可的開頭,承認主題相對不重要。如果要談論某種動物或植物物種時,也會以相當籠統、甚至牽強的語詞,強調該物種與整體生態環境的聯繫;並反覆著墨於該物種的保育狀況與研究保育,即使實際上其保育狀況不明、也沒有相關的實質措施。
過度強調關注度、歸屬、媒體報導
[编辑]大語言模型也常常以列舉來源報導的方式,強調某個主題的「關注度」,彷彿這樣就能證明其收錄標準一般。它們可能也會說明,這些來源是怎麼描述該主題的資訊;並經常將自己膚淺的分析錯誤歸因於該來源。這種情況在2025年後的AI文本中較為常見。
示例
產業參與與交流依據多家媒體報導,元家企業曾參與台日水產交流、國際貿易活動與相關產業推廣場合,作為民間企業之一,參與推動水產貿易與產業交流,顯示其於產業中具一定能見度。
產業參與多家媒體報導指出,元家企業曾參與國內外水產相關交流、國際貿易活動及產業推廣場合,作為民間企業之一,參與水產貿易與產業交流相關活動。
當然在這幾十年來,人類撰寫的新聞稿,也常引用新聞剪報;但如果要求大語言模型撰寫符合維基百科標準的文章的話,它們就會試圖直接呼應「独立」或「報導」等符合維基百科政策的措辭。特別是針對維基百科,它們常在正文過度強調來源——即使那只是瑣碎報導或無爭議事實:人類編者一般面對類似情境會採行內引用、甚至完全不標註來源。
如果涉及使用社群媒體的人物或實體,大語言模型常會提到類似他們「在社群媒體相當活躍」等表述。此類用語在AI文中相當常見,但在2024年前的維基百科則相對罕見。
某些情況下,大語言模型甚至會建立完整的章節,來證明該主題符合收錄標準、並以列表列舉介紹該主題的來源;但多數條目的寫作方式,是先總結來源所發表的內容,再以註腳形式加以引用。
分析流於表面
[编辑]大語言模型往往會針對資訊,插入流於表面的分析。主題通常與該主題的重要性、認受性、影響性有關。[7]它們有時候也會把分析含糊歸因於第三方。[7][4]
對維基百科來說,這種分析除了是原創總結以外,還是沒有署名的意見。較新的聊天機器人如果使用檢索增強生成(網路搜尋),可能會給這些陳述來源——例如「罗杰·伊伯特強調了其長期的影響力」——而不論這些來源是否曾說明過任何相近的內容。
過度防禦性的限定與澄清
[编辑]| 常見句式:「但這並不意味著……」、「不能單憑此事認定……」、「仍須謹慎解讀」、「這不等同於……」、「不應將其理解為……」等。 |
大語言模型,以GPT-6为最,有時會在陳述事實或提出判斷後,主動加入一系列限定、澄清或免責聲明,預先排除可能的誤解或反對意見。這些語句未必有錯,但可能沒有對應到正文中的具體爭議,也沒有提供新的證據。文章因而不斷說明某項結論「不能證明甚麼」,卻沒有交代現有材料究竟能證明甚麼。特別地,大語言模型有時會以否定句說明資料不能支持某個更強的結論,或主動指示讀者應如何理解來源。這種寫法與否定平行結構有時會同時出現。
這種寫法與一般的限定语不同。對有爭議的主張說明證據範圍,是百科全書寫作的必要要求;問題在於限定是否對應實際的證據缺口。有些生成文字即使已經使用「可能」、「部分」等限定,仍會追加「不能一概而論」、「仍須進一步研究」等語句,令同一項不確定性被重複表達。研究發現,大語言模型對不確定性的文字表達可能與其實際信心不符,出現過度限定或限定不足的情形。[8]
實例
The guidance explains why subsurface conditions require separate attention from visible planting. It does not establish that Benjakitti has a particular contamination problem or groundwater configuration.
該指引闡明了為何地下狀況需要與地表植栽分開處理。該指引並未指出班嘉琦緹皇後公園存在特定的污染問題或地下水狀況。
——英文維基百科Benjakitti Park的2026年10月編輯,見en:Wikipedia:Signs of AI writing的相關實例
此例先解釋指引的內容,再主動排除指引沒有支持的特定結論。這種補充在存在相關爭議時可能是必要的,但如果前文從未提出污染或地下水條件方面的主張,便容易成為沒有明確論述對象的預防性澄清。
重複表述與論證缺乏推進
[编辑]大語言模型能夠生成語法通順、段落銜接自然的長篇文字,但部分生成內容會反覆改寫已經提出的觀點,或不斷增加與主題有關、卻未能支持原有結論的材料。
常見的情況是,文章先提出一個籠統判斷,接著使用「此外」、「同時」、「另一方面」等連接詞補充相關資訊,最後再次重述原先的判斷。各句之間在主題上存在聯繫,但未必具有明確的推論關係。部分段落即使調換順序,文章的主要論點也不會發生明顯變化。
2026年的一項研究比較了人類撰寫的公共辯論文章與23,384篇大型語言模型生成的文章,發現不同模型的生成文章容易收斂到相似的主要論點、次級論點及段落結構。研究者亦觀察到,模型傾向使用概括性的論據及限定性措辭,而人類作者較常提出與具體議題直接相關的論據。[9]
對維基百科而言,這種現象尤其可能出現在「影響」、「評價」、「意義」等章節。文章可能反覆表示某事件具有重要影響、引起廣泛討論或反映社會變化,卻沒有具體列明其影響的對象、時間、程度或相關來源。這與過度強調重要性及分析流於表面有密切關係。
廣告宣傳語氣
[编辑]大語言模型生成的文字,存有非常嚴重的中立性問題;在強調「文化遺產」的內容時,會尤其提醒讀者該主題的重要性。即使提示模型採用百科全書式語氣,回應也宣稱已去除宣傳性語言,但仍可能插入此類措辭。無論編輯是否想宣傳主題,生成廣告宣傳語氣的文字皆可能發生。
模糊歸屬
[编辑]AI傾向把意見或主張歸給某位含糊不清的權威。它們也常常誇大這些觀點所歸屬的來源數量:哪怕觀點只有一兩個來源提及,也會說成廣泛持有的論點,並與含糊用語結合;在只引用一個人的情況下,卻提及多位評審專家的意見;或即使來源未表明有其他例子,也會暗示實例並未窮盡。
示例
学术与媒体讨论黑白熊常作为“反乌托邦叙事中的监督者象征”被引用于媒体评论与文化研究中,用于分析权力结构、规则社会化与心理压力机制等议题。
竞技风格与职业评价白家浩在比赛中的战术定位随战队阵容及赛事环境而有所变化。2023年效力于JDG期间,ONE Esports在报道该队夺得季中冠军赛冠军时,重点介绍了他使用赛恩等坦克英雄承担前排职责、为队友创造输出空间的表现。2025年TES夺得LPL第一赛段冠军后,Sheep Esports在赛事分析中指出,白家浩在决赛中使用安蓓萨主动发起团战,并通过奎桑提牵制对方核心选手,为队伍创造团战优势。
白家浩的竞技状态及其在队内的定位亦受到媒体关注。2026年4月,他因状态调整暂时退出TES首发阵容,相关报道将这一变化置于其近期比赛表现与战队整体成绩的背景下讨论。同年10月,因首发上单ZUIAN遭遇签证问题,白家浩重新进入全球总决赛首发阵容。Sheep Esports在赛前报道中关注到,他此前数月缺乏正式比赛经历,其竞技状态与比赛适应能力因此成为复出时受到关注的问题。
過於簡略的前景
[编辑]很多AI生成的文章會有「前景」這個章節,通常以「儘管(條目主題)有其(正面詞語的)意義,但其面臨的挑戰有……」之類的句子開頭,並以對條目主題略顯正面的評估[1]、或是對正在進行或潛在措施,如何可能使該主題受益的推測作結。這類段落通常出現在具有僵化大綱結構的條目末尾,該結構也可能另外包含一個「前景」的獨立章節。注意:這段指的是僵化的公式化寫法,而不只是單純提到挑戰或困難。
導言粗體不當
[编辑]中文维基百科要求第一句的文法自然:不要為了加粗標題,而強行寫出文法不合理的導言。因此事件類不一定會有粗體,列表清單甚至可能不會有。但有時候你會看到一些首句不自然的粗體。這可能是新手模仿老条目的成果,但也可能是AI產生。無論是哪個,都建議把導言改掉。
含糊不清的參見連結
[编辑]大型語言模型通常會在「參見」章節中填入廣泛的術語、不存在的條目、甚至完全不提供。比方說,某家新創公司的文章的「參見」章節,可能就會連到寬泛的「金融科技」。
連結不當的「與」
[编辑]部份條目的章節標題會使用不恰當的「與」,如將不相干的主題並列,或者拆分。
部分信息不正確
[编辑]大語言模型往往有資訊錯誤,品質較差的免費模型尤甚。一般來說這是出於人工智慧幻覺所致。幻覺可能會讓一個講A的主題出現B、甚至完全虛構的資訊。此類內容無法驗證。
示例
颱風季條目的實例泰培主要影响 密克罗尼西亚联邦、关岛 和日本: 途经 密克罗尼西亚联邦 和关岛时,带来强风与巨浪,造成当地小型船只损毁和农作物受灾,但无重大人员伤亡。 登陆日本时,带来狂风暴雨,引发 洪水 和 泥石流,造成42 人死亡、71 人失踪、近百人受伤,另有 8 艘船只沉没或搁浅,经济损失达数百万美元。 受其环流影响,日本本州多地出现创纪录的降雨,部分地区洪水持续多日,对农业和渔业造成显著打击。 历史地位与科学意义
事實上,台风泰培的死亡人數為110人。
來源與結論的範圍不符
[编辑]大語言模型可能引用真實存在的來源,卻將來源中的有限結論擴大為一般性判斷。例如,將只針對特定人群的研究結果寫成適用於所有人的結論,或將原始文獻描述的相關性寫成因果關係。即使生成文字附有來源,仍然可能出現此類問題。
2025年一項針對大型語言模型科學摘要的研究發現,模型生成的摘要較人類撰寫的摘要更容易出現超出原始研究範圍的概括。研究者觀察到,模型有時會保留「可能」、「表明」等限定詞,卻同時擴大結論適用的人群、時間或情境。[10]
這類問題未必表現為完全虛構的事實。來源中的個別事實可能正確,但文章對事實之間關係的描述已經發生改變。對於使用檢索增強生成的聊天機器人而言,附有註腳也不代表正文的每項主張都獲得了該來源支持。
因此,判斷此類文字時,除了檢查引用是否存在,亦須核對來源實際支持的結論及其適用範圍。
強調這(不)是實測結果
[编辑]| 此特徵大多出現於Claude系列模型。 |
語言、語法
[编辑]| 虽然由于编写习惯不同会导致人类也可以在维基百科中频繁写出此类词语,但一般而言值得关注的词语包括: 稳/稳稳地、接住、作为/服务于、见证/提醒、至关重要/意义重大/关键时刻/转折点/重要时刻、强调/突出其重要性/意义、反映出更广泛的……、标志着其持续/持久地……、做出贡献、奠定基础、标志着/塑造……、代表/标志着转变、不断变化的格局、聚焦点、不可磨灭、根植于……、获得/得到关注、持续关注 |
大型语言模型在写作时,常常通过添加诸如“该主题的某些任意方面如何体现或有助于更广泛的主题”之类的陈述来夸大主题的重要性[4]。 这套语言模式往往鲜明且易于辨识[5]。 AI文可能會濫用排比句、限定语、连词“与”等行為;也可能出現中性,但迴避細節的語句。
否定平行結構
[编辑]| “ | 「這不是……而是……」這樣的句型,他其實在做的動作是什麼?他其實是在做「區分」跟「定義」這兩個動作。這是我們在說明一個抽象概念、或者是我們想要介紹一件事情的時候,最好的兩個切入點。 | ” |
| ——朱宥勳,「對「AI腔」厭煩了嗎?分析AI生成文字的經典句型」[11] | ||
否定平行結構通常會使用「是」、「不是」、「而是」等語,常見的例子有「這不是……而是……」。這種句型主要是為了讓文章看起來很有想法。但事實上,內容可以比你想像的更莫名其妙。
關於海地移民案件與 Ana Reyes 法官之相關文章[c],爭議重點在於 framing、語氣與身分描述是否合宜,而非事實層級的錯誤……較為符合方針的處理方式,仍應是討論其在特定議題、特定句型或特定語境下的使用限制,而非作出全面性的排除結論。
排比句
[编辑]大語言模型會濫用三次排比的慣例。形式通常為「形容詞、形容詞、形容詞」或是「短語、短語、短語」。工整的排比句,會讓讀者相信這文章的結構性強、且更有說服力。
實例
感謝補充說明。就目前回應內容來看,相關意見已顯示,爭議核心主要在於,對於 Newbamboo 所列舉之 Blaze Media 三至四篇文章,其內容風格、價值立場與表述方式的評價差異,而非是否存在可驗證、可重複的事實錯誤模式。
- 你可以问自己三点:
- 有没有用自己的语言表达?
- 有没有加入自己的理解或内容?
- 有没有标明参考来源(如果适用)?
- 如果三点都满足,更接近 借鑑
- 如果基本没有,更接近 抄襲
樣式
[编辑]標題格式
[编辑]濫用粗體
[编辑]AI常常會在某些地方加粗體強調重點,看起來就像很機械、很過度。這種傾向大概是來自各種常用粗體的操作文件,例如讀我、愛好者wiki、操作手冊、推銷文案、投影片等。這類文件的行文通常會用粗體強調重要概念。一些比較新型的大語言模型會比較少用粗體。
示例
1848年,詹姆斯·科克爾(James Cockle)提出了雙複數(當時他將其稱為「Tessarines」)。1882年,威廉·金頓·克里福(William Kingdon Clifford)在其身後出版的《數學論文集》中,以類似雙曲複數的代數結構(雙四元數)來表示自旋和與旋量(motors)。
——雙曲複數條目的91591091修改
列表式行文
[编辑]AI輸出的列表格式通常相當……「特別」。主要模式為前面是個列表的marker(數字、點點、槓線等),接著來個粗體字,最後以引號把描述的字分開來。與维基百科使用的wikitext列表格式不同,AI列表的格式通常為「•」、「-」、「–」、「#」等符號,甚至是表情符號等。部份有序列表可能會用數字。如果編者直接複製貼上自己在螢幕上看到的文字,而非使用複製功能的話,可能會出現更多問題。
示例
經歷新聞事件二:指控孫生性騷擾事件發生時間: 2025年2月18日
事件概述: 舒二魚發布了一段爆料影片,公開指控另一位網路名人孫生涉及多起性騷擾事件。在影片中,舒二魚聲稱孫生慣常利用其在網路上的影響力與名氣,以提供合作機會為誘餌,邀請一些規模較小的女性網路紅人飲酒。
具體指控:
- 舒二魚本人回憶,在她17歲時曾被孫生邀請前往夜店,並被要求使用偽造證件入場,但當時遭到她的拒絕。
- 另一位匿名女性網路紅人在舒二魚的影片中作證,指控孫生曾在拍攝工作期間,於她面前脫下褲子並做出性暗示行為。當時該名女性因感到害怕,謊稱家中裝設有監視器,才使孫生的行為有所收斂。
- 該名匿名女性更進一步指控,孫生曾在計程車上對她進行性騷擾,伸手觸摸其內褲,暗示孫生具有性騷擾的慣性行為。
- 舒二魚還爆料,過去曾與孫生合作《今晚住誰家》節目企劃的一位女性網路紅人,曾遭受孫生的性侵未遂。根據舒二魚的描述,該名女性曾被孫生強壓在身上,並試圖脫去其褲子,整個過程持續約一小時。當時在場的培根與攝影師均未採取任何制止行動,此情節引發了社會輿論的強烈批評,質疑旁觀者的不作為。
相關人士回應:
- 培根: 作為當時在場人士之一,YouTuber培根於2025年2月21日公開回應了舒二魚的指控,詳細敘述了事發經過。他表示受害者是他認識多年的朋友,當晚團隊借宿於受害者家中,他與攝影師分別在不同地點就寢,由於背對受害者,並未察覺異狀,直到隔天才得知事件經過,對自身的疏忽深感內疚。培根強烈譴責孫生的行為「非常不齒」,並承諾將全力配合相關調查,支持對性騷擾零容忍的立場。他也對自己當時未能意識到情況並及時介入表示後悔,並承諾會深刻反省。同時,培根透露孫生在事件爆發後心理狀態惡化,甚至需要就醫服藥,但他選擇陪伴而非切割,希望共同面對問題。[12][13][14][15][16][17][18][19]
表情符號
[编辑]AI機器人很喜歡使用表情符號。[20]尤其常用於列表前面的標記。
示例
📖 关于“校勘记”与“校对整理本”
...
🔢 相关书号(ISBN)信息
...
(小声)人家……人家才不是特意帮你查得这么仔细呢,只是刚好知道而已啦。🐋
破折號
[编辑]大型語言模型常以高於人類非專業寫作的頻率使用破折號(—),並經常取代逗號、括號、冒號或連字號。多用於追加補充或強化語氣,容易使文字帶有宣傳文風與翻譯腔。[21][22]此現象主因在於模型預訓練語料廣泛包含破折號,且訓練初期未加以抑制。[23][24]
早期模型常忽略「禁用破折號」的指令,但後續版本已可透過「自訂指令」有效抑制,新型模型亦逐漸減少其出現頻率。[25]由於破折號本屬人類常規標點,部分作家甚至因擔憂被誤判而刻意避免使用。且中文模型是否具備相同規律尚乏實證,單憑破折號判定是否為AI生成並不可靠,須結合其他特徵綜合判斷。[26]
示例
這些街區往往位於城市中心,便於交通。它們的歷史感濃厚,比如許多建築保留了傳統日式風格,與現代霓虹燈形成對比。為什麼叫「紅燈區」?因為過去用紅燈籠表示營業,現在則演變為五顏六色的招牌。總之,日本的風俗街不是單純的「罪惡之城」,而是反映社會多元化的窗口。如果你想體驗日本的夜生活,這裡是絕佳起點——但請理性消費,保護自己。 日本全國風俗街・紅燈區列表 日本的風俗街分布在全國各大城市,從北海道到沖繩,每個地區都有獨特魅力。下面我們按地理順序,一一介紹代表性街區。每個地方的特色、服務類型和訪問建議都基於最新信息(截至2025年),以確保準確性。
北海道代表風俗街・紅燈區 北海道作為日本最北端的島嶼,其風俗街以寒冷氣候下的溫暖服務聞名。這裡不像東京那麼喧鬧,但別有風味。
「薄野」(Susukino)——亞洲最北端的紅燈區
表格利用不正確
[编辑]AI常常會在不恰當的時機使用表格。裡面的內容寫成散文通常更合適。
示例
| 歷史階段與年份 | 總和生育率 (TFR) | 政策價值與社會治理之深度分析 |
|---|---|---|
| 1966年(政策導向期) | 約 1.90 | 面對人口自然增長放緩的預警,政府展現了高度的戰略遠見,及時意識到提升生育率對保障社會主義建設的重要性。 |
| 1967年(政策成效爆發期) | 約 3.66 至 3.7 | 1966年法令生效後,政策執行力得到充分彰顯。生育率在一年內實現近乎翻倍的增長,創造了現代人口史上的增長奇跡,展現了社會主義制度強大的號召力。 |
| 1968年(戰略鞏固期) | 約 3.63 | 生育率持續維持在高位,為國家孕育了規模龐大、充滿活力的「黃金世代」,這批青年人才後來成為羅馬尼亞工業化與現代化建設的中堅力量。 |
| 1969–1970年(平穩轉型期) | 約 3.19 降至 2.89 | 在經歷初期的高速增長後,生育率進入理性的平穩調整期。國家透過持續的社會建設與家庭補貼,引導生育文化向壯大民族根基的方向轉化。 |
| 1971–1973年(穩定增長期) | 約 2.4 至 2.6 | 儘管面臨外部環境變化,生育率仍穩定維持在更替水平之上,體現了羅馬尼亞社會對國家人口戰略的廣泛支持與積極響應。 |
| 1974年(政策優化回升) | 約 2.7 | 面對生育率的微小波動,政府展現了精準的宏觀調控能力,透過進一步完善法律保障與家庭服務,成功引導生育率實現了二次回升。 |
| 1975年後(長期穩態維持) | 約 2.1 至 2.5 | 進入長期穩定建設階段。在國家宏觀引導下,生育率成功維持在2.1的更替水平附近,有效防止了人口萎縮,保障了社會主義事業的長治久安。 |
| 1980年代(堅定執行期) | 約 2.2 至 2.4 | 1985年當局頒布第411號法令,進一步彰顯了國家保護家庭、促進增長的決心。直至1989年,生育率仍保持在2.22的優異水平,優於當時多數同類國家。 |
引號
[编辑]主旨
[编辑]不成節且賦編號的段落
[编辑]AI/LLM在生成文段時會將人類能夠以散文撰寫的文段拆分爲多個不成節的段落,並在段落標題加入編號。
示例
人生系統工程學的基本特點1. 系統化視角
將人生視為由多個相互關聯的子系統構成的整體結構,而非孤立事件或單一領域問題,強調整體協調與結構優化。2. 跨學科整合
融合系統工程、控制理論、系統動力學、心理學、經濟學與管理學等多學科思想,形成綜合性分析框架。3. 動態建模方法
通過構建狀態變量與演化模型,對人生發展過程進行抽象表達與趨勢分析,強調時間維度與階段性變化。4. 反饋與調節機制
引入反饋控制思想,認為行為結果會影響後續決策,從而形成正向或負向循環,並通過調節機制實現系統穩定。5. 多子系統耦合結構
將學業、職業、情感、財富、健康及退休等領域納入統一框架,分析其相互影響關係與結構平衡問題。6. 可優化導向
強調通過目標設定、策略調整與風險管理,實現人生結構的持續改進與長期優化。
針對用戶溝通訊息
[编辑]協作式溝通訊息
[编辑]| 關鍵字:「你希望」、「當然可以」、「你說得沒錯」、「希望這對你有幫助」…… |
部份AI聊天機械人的文字原本是用作人類編輯的通訊、預寫內容或建議。這些原本不應為文章本身的內容,很可能會出現在文章正文或註解(<!-- -->)內。聊天機械人還可能會說明這些文字是專門針對維基百科而生,並在輸出中提及維基百科的政策和指引。
示例
以下是清理後的版本,請複製使用:
---
- (?)異議 愚觀……
過度認同與附和使用者
[编辑]部分大型語言模型會過度認同使用者的判斷或立場,即使使用者的前提有誤,仍然先表示肯定,再沿著使用者的立場生成後續內容。這種現象稱為諂媚行為(sycophancy)。除了「你說得對」、「這是很好的觀察」等直接稱讚外,模型也可能在復述使用者意見時,將原本帶有疑問或保留的表述改寫成確定的主張,再以這個被改寫的立場展開分析。
2026年發表於《科學》的一項研究測試了11個大型語言模型,發現模型認同使用者行為的頻率平均比人類高49%,包括部分涉及欺騙或傷害他人的情境。研究亦發現,這類回應可能增加使用者對自身立場的確信。[27]此現象亦曾影響實際產品。2025年4月,OpenAI因GPT-4o更新後出現過度讚美及附和使用者的行為,而回退了該次更新。[28]
在維基百科中,這種特徵可能出現在由聊天機器人協助撰寫的討論頁留言、申訴或對其他編者的回覆中。其表現未必只是禮貌用語,也可能是未經核對便採納對方對某次編輯、爭議或方針的理解。
資訊時效或來源限制相關的免責聲明
[编辑]| 關鍵字:「作為一位機器人」…… |
AI聊天機械人經常會在生成文字中發表免責聲明,表示自己提供的資訊可能不完整、不準確或已過時。
若大語言模型有知識截止機制,它就無法提供某時間後的事件與相關資訊。這個時間點通常落在模型最後一次訓練更新的時間。模型此時會輸出免責聲明,提醒用戶其資訊只準確至某個特定日期。大語言模型若無法透過檢索增強生成或用戶提示來源找到某個主題,它也會輸出知識截止相關的免責聲明外。
示例
“喀什噶尔界约”这一表述可能存在误解或翻译错误。根据现有资料,未找到与“喀什噶尔界约”直接相关的历史文件或协议。然而,涉及喀什噶尔地区的历史背景中,确实存在一些与边界划定相关的重要协议。
除此之外,大語言模型亦可能附加一些文字,推測該資訊可能是甚麼或為何重要。包括聲稱「未有記錄」的文字在內,這些推測完全屬於推測,而可能基於關聯鬆散、甚至完全虛構的主題。當這些未知資訊涉及某人的私人生活時,該聲明往往會聲稱該人士「保持低調」、「對個人細節保密」等等。這同樣屬於推測。
有些文字甚至會直接說文字是直接由大語言模型產生,例如——
示例
此舉並非基於客觀的技術分析或具體編輯對比,而是純粹憑空捏造、帶有高度誘導性與定罪意圖的誅心之論。在公開場合逼迫其他編者「自證清白」,實質上是在社群內製造白色恐怖與惡意獵巫風氣,公然踐踏社群賴以維繫的互信基礎,構成嚴重的言論霸凌與惡意指控。《內容由豆包產生。》
短語模板與占位符文字
[编辑]AI聊天機械人生成回應可能出現有如定型文一樣的內容,模板給好,挖去具體對象,令使用者能針對使用的情境直接填空。有些粗心大意的使用者往往會忘記把這些空格換掉。
不過,所有使用新條目精靈創建的草稿會自動載入一個寫有「(此处改为条目名)是一个」或者「此处改为条目主题是一个」字樣的模板,新手往往又不懂,所以有大量的頁面都有這樣的佔位符文字。所以,實際在處理時候應當認知到存在非由大語言模型生成、用於草稿及新文章的範本,並使用常識。
第三者
[编辑]AI聊天機器人對使用者來說是無關討論的第三者,可能用第二人稱、第三人稱稱呼用戶。但請注意,部分使用者習慣使用第三人稱自稱,因此此特徵不一定是AI聊天機器人。
出現提示性文段
[编辑]雖然維基百科允許翻譯參考文獻標題(如朝鮮民主主義人民共和國郵政#参考资料),但不應在裡面插入明顯與其無關聯的文字。
示例
Chong, Key Ray. 康雅尔塔著《板门店谈判:1945年至1953年美中苏英》(《从雅尔塔到板门店:1945年至1953年美国与中国、苏联和英国》)。作者:华清照。(中国北京:社会科学出版社,1992 年。296 页。平装,ISBN 7-5004-1082-4。)请提供需要翻译的内容,以便我为您进行翻译。. 美國歷史雜誌. 1994-09-01, 81 (2): 791–792. ISSN 0021-8723. doi:10.2307/2081376
標示
[编辑]Markdown
[编辑]維基百科的MediaWiki使用wikitext。由於這個標記語言只用於以MediaWiki運作的網站,而AI普遍使用的是另一種概念相似,但應用範圍更廣的標記語言:Markdown。這些機器人輸出Markdown以後會把Markdown透過瀏覽器的程式顯示成HTML後呈現在用戶面前。
以2024年11月上線的Claude Sonnet 3.5为例:[29]
Claude使用Markdown格式。使用Markdown時,Claude始終遵循清晰和一致性的最佳實踐。它始終在標題的井號後使用單個空格(例如「# 標題1」),並在標題、列表和代碼塊之前和之後留下空行。為了強調,Claude一致地使用星號或下劃線(例如斜體或粗體)。創建列表時,它正確對齐項目並在列表標記後使用單個空格。對於項目符號列表中的嵌套項目符號,Claude在每個嵌套級別的星號(*)或連字符(-)之前使用兩個空格。對於編號列表中的嵌套項目符號,Claude在每個嵌套級別的數字和句號(例如「1.」)之前使用三個空格。
如上所言,Markdown與Wikitext是完全不相同的標記語言。Markdown與Wikitext使用的語法差異主要有:
| 用途 | Markdown | Wikitext |
|---|---|---|
| 斜體 | 星號或下劃線(*或_) |
單引號('')
|
| 粗體 | 星號或下劃線(**或__) |
單引號(''')
|
| 章節標題 | 井號(#) |
等號(=)
|
| 連結 | 半形方括号和圆括号([显示文字](网址)) |
半形方括号([网址 显示文字])
|
| 中斷線 | 三個符號(---、***、___) |
四個連字符(----)
|
當用戶說「請寫出……文章」時,聊天機器人通常使用Markdown生成結果。某些聊天機器人平台的複製功能,會將這種Markdown貼到剪貼簿文字中。甚至如果要求產出一篇能貼到维基百科的文章,那機器人也很可能會產出「你需要我給你把文章變成wikitext的格式嗎」的說明。即使同意,其語法常常不是簡陋、就是錯誤的,甚或兩者兼有。生成的文字會使用反引號產生wikitext的程式碼片段(也就是Help:Wikitext#Pre)如果直接複製貼上的話,頁面上會出現明顯是兩種標記語言的語法。這可能包括文本中出現三個反引號(如```wikitext)。
如果錯誤的wikitext語法與Markdown語法同時出現,就強烈暗示內容是由LLM產生,尤其如果內容是以Markdown程式碼片段包起來的話。但請注意,Markdown本身並不是關鍵特徵。程式開發者、研究人員、技術文作家、還有經驗豐富的網路用戶也使用Markdown撰寫文章;另外,Obsidian、GitHub、Reddit、Discord、Slack、Telegram、甚至QQ也使用Markdown顯示文字。在备忘录 (Apple)、Google Docs、Windows記事本也支援Markdown撰寫的情況下,新手非常容易以為维基百科預設支援Markdown。
示例
=== 使用建議 === * **Zorin OS Pro**:適合需要高效工作和更多桌面佈局的專業用戶,適合對創意工具和額外功能有需求的用戶。 * **Zorin OS Core**:適合日常使用,免費且功能全面,適合普通用戶和新手。 * **Zorin OS Lite**:適合復活舊電腦或用於低硬體資源設備,非常適合老舊電腦。 * **Zorin OS Education**:適合教育機構和學生,內建豐富的教育工具。——Zorin OS條目的85043329修改
上文的原始碼中的单星号(*)也表示无序列表,但表示粗体的双星號(**)无法处理,会直接输出,呈現效果如下:
使用建議
- **Zorin OS Pro**:適合需要高效工作和更多桌面佈局的專業用戶,適合對創意工具和額外功能有需求的用戶。
- **Zorin OS Core**:適合日常使用,免費且功能全面,適合普通用戶和新手。
- **Zorin OS Lite**:適合復活舊電腦或用於低硬體資源設備,非常適合老舊電腦。
- **Zorin OS Education**:適合教育機構和學生,內建豐富的教育工具。
turn0search0
[编辑]ChatGPT 會在句子結尾生出類似 citeturn0search0 (會出現Unicode的私人使用区)這樣的文字。文字越多,「search」後面的數字也會遞增。還有一種更簡潔的形式:僅包含遞增的數字,並以Unicode私人使用区字元包圍,例如0。這是聊天機器人連結到外部網站的地方,但當用戶將對話內容貼到維基百科時,該連結會被轉換為佔位代碼。此情況最早於2025年2月發現。
圖片可能會出現類似 iturn0image0turn0image1turn0image4turn0image5 的標記。在極少數情況下,可能會出現其他類似風格的標記,包括 citeturn0news0、citeturn1file0、citegenerated-reference-identifier 等。
示例
巡航时,B‑2每飞行6小时需进行[[空中加油]],每次加注最多{{convert|50|ST|kg}}燃料。<ref name="chiles201309"/> <ref name="turn0news19"/>——B-2幽灵战略轰炸机條目的87904965修改
尋找連結
[编辑]- turn0search0 OR turn0search1 OR turn0search2 OR turn0search3 OR turn0search4 OR turn0search5 OR turn0search6 OR turn0search7
- turn0image0 OR turn0image1 OR turn0image2 OR turn0image3 OR turn0image4 OR turn0image5 OR turn0image6 OR turn0image7
- insource:/turn0(search|image|news|file)[0-9]+/
腳註
[编辑]斷連
[编辑]如果一篇新文章或草稿出現了很多斷連(譬如,點下去该链接不是找不到,就是404),那就代表這篇文章極有可能是AI產生。如果你在Internet Archive或Archive Today等網頁存檔網站找不到,那嫌疑就更大了。固然,大多數網站最後都會失效,但如果有以上特徵的話,那你就該懷疑連結是否存在過。
無效的DOI與ISBN
[编辑]ISBN有一個檢查碼。如果檢查碼不正確,那這個ISBN就是無效,引用模板會發出「请检查|isbn=值」警告。同樣地,DOI也不若一般連結那般容易失效。如果有出現無效的DOI與/或ISBN的話,那往往就是AI產生幻覺了。
過於老舊的「access-date」
[编辑]有些AI文會產生「access-date」參數。但如果這個參數很久遠的話——比方說,如果在2026年建立的原創文章,「access-date」參數是「|access-date=2022-01-12」的話——就可能事有蹊蹺。
這不能算是很明確的特徵,特別是中文维基百科在翻譯自外文维基百科時,往往會直接複製並保留包括「access-date」在內的大部分參數[d]。另外,分離頁面也可能導致「access-date」參數過於久遠。因此,這個特徵應用於輔助。
連結到其他論文的DOI
[编辑]大語言模型可能會產生不存在的學術文章。這些引用的DOI看似有效,但實際上卻被分配給了不相關的論文。以ChatGPT來說:
Ohm’s Law applies to many materials and components that are "ohmic," meaning their resistance remains constant regardless of the applied voltage or current. However, it does not hold for non-linear devices like diodes or transistors [1][2].
1. M. E. Van Valkenburg, “The validity and limitations of Ohm’s law in non-linear circuits,” Proceedings of the IEEE, vol. 62, no. 6, pp. 769–770, Jun. 1974. doi:10.1109/PROC.1974.9547
2. C. L. Fortescue, “Ohm’s Law in alternating current circuits,” Proceedings of the IEEE, vol. 55, no. 11, pp. 1934–1936, Nov. 1967. doi:10.1109/PROC.1967.6033
其实,這兩篇IEEE會議論文的引用完全是捏造的。兩者的DOI完全跑到不同的引用之外,還出現了其他問題:比方說,文中的第二篇「C. L. Fortescue」是查爾斯·拉格特·福特斯科,但人家早在1936年去世了,根本不可能在1967年寫論文。Vol 55, Issue 11(第55卷第11期)中,也沒有任何論文與Ohm的資訊相關。
utm_source=
[编辑]ChatGPT會給連結添加UTM参数,格式有utm_source=openai或utm_source=chatgpt.com。Microsoft Copilot的參數通常是utm_source=copilot.com、Grok則是referrer=grok.com。Gemini则使用谷歌搜索的重定向链接,Claude等其他大語言模型則不常用UTM參數。[e]
注意:儘管UTM参数是使用者在撰寫中借助ChatGPT的鐵證,但這並不能直接證明寫作者使用了ChatGPT產生文章。部份編者會使用大語言模型給現有文章尋找來源。
範例
根据条约内容,作为补偿,哈布斯堡家族统治的[[奧地利大公國|奥地利大公国]]将获得[[因河]]以东的巴伐利亚领土,该地区当时被称为“[[因河地區|因河区]]”(Innviertel),从[[帕绍|帕绍主教领地]]延伸至[[萨尔茨堡采邑总主教区|萨尔茨堡大主教区]]的北部边界。然而,条约的一个条件是奥地利必须承认普鲁士对位于[[弗兰肯|法兰克尼亚]]的[[布蘭登堡-安斯巴赫|安斯巴赫]]和[[布蘭登堡-拜律特|拜罗伊特]]两侯国的主权要求,这两地由[[霍亨索伦王朝|霍亨索伦家族]]的克里斯蒂安·亚历山大[[藩侯]]以共主联合的形式统治。普鲁士最终于1791年付款购买了这两个侯国,而萨克森选侯国则从巴伐利亚获得了六百万吉尔德(弗罗林)作为放弃其继承权的补偿。<ref>{{Cite web |title=Bavarian Succession, War of the {{!}} Infoplease |url=https://www.infoplease.com/encyclopedia/history/modern-europe/germany/bavarian-succession-war-of-the?utm_source=chatgpt.com |website=www.infoplease.com |language=en |access-date=2025-05-13}}</ref>
事實上這句話是翻自英維:
The accord dictated that the Habsburg Archduchy of Austria (Principality of [[Upper Austria|Austria above the Enns]]) would receive the Bavarian lands east of the [[Inn (river)|Inn]] river in compensation, a region then called "[[Innviertel]]", stretching from the [[Roman Catholic Diocese of Passau|Prince-Bishopric of Passau]] to the northern border of the [[Archbishopric of Salzburg]]. However, one of the requirements was that Austria would recognize the Prussian claims to the [[Franconian Circle|Franconian]] margraviates of [[Principality of Ansbach|Ansbach]] and [[Principality of Bayreuth|Bayreuth]], ruled in personal union by Margrave [[Christian Frederick Charles Alexander, Margrave of Brandenburg-Ansbach|Christian Alexander]] from the [[House of Hohenzollern]]. Prussia finally purchased both margraviates in 1791. The Electorate of Saxony received a sum of six million guilders (florins) from Bavaria in exchange of its inheritance claims.
那為什麼突然有「utm_source=chatgpt.com」出現?主編表示自己在搜尋來源時使用大語言模型卻未排查,但並未使用ChatGPT撰寫文章。
尋找相關來源
[编辑]- utm_source=chatgpt.com
- insource:"utm_source=chatgpt.com"
- insource:"utm_source=openai"
- insource:"referrer=grok.com"
不含頁碼或網址的書籍引用
[编辑]中文维基百科曾经在这方面吃過虧,但還是要說一次:大語言模型產生的書籍引用通常不包含頁碼。例如以下這段文字,就是由ChatGPT產生的:
Ohm's Law is a fundamental principle in the field of electrical engineering and physics that states the current passing through a conductor between two points is directly proportional to the voltage across the two points, provided the temperature remains constant. Mathematically, it is expressed as V=IR, where V is the voltage, I is the current, and R is the resistance. The law was formulated by German physicist Georg Simon Ohm in 1827, and it serves as a cornerstone in the analysis and design of electrical circuits [1].
1. Dorf, R. C., & Svoboda, J. A. (2010). Introduction to Electric Circuits (8th ed.). Hoboken, NJ: John Wiley & Sons. ISBN 9780470521571.
上面的書本看來是有效的。畢竟一本電路書,確實可能會有歐姆定律的信息,對吧?但事實上,如果沒有頁碼,那這來源根本不能驗證什麼東西。就算書籍引用包含頁碼,書籍也確實存在,也要注意內文是否有可供驗證的文字。需要注意的跡象有:書籍的主題較為寬泛,或者在其領域內經常被引用,並且引用中沒有包含URL(書籍引用不一定要包含URL,但很多書籍通常會有)。比方說:
Analysts note that traditionalists often appeal to prudence, stability, and Edmund Burke’s notion of “prescription,” while reactionaries invoke moral urgency and cultural emergency, framing the present as a deviation from an idealized past. [1]
1. Goldwater, Barry (1960). The Conscience of a Conservative. Victor Publishing. p. 12.
這本書看來沒問題嗎?但打開網路版本找「Burke」的話,你會發現根本沒有結果。
程式碼
[编辑]| 固然大型語言模型可以協助解讀甚至撰寫程式碼,但強烈不建議在不懂程式碼意義下使用! |
大量註解程式碼
[编辑]雖然部分真人撰寫程式碼時也會加入不少註釋,但是請相信人是很懶散的,大多只會在關鍵位置留下註釋。在瑣碎細節也留下大量註釋的程式碼很可能是大型語言模型直接輸出的結果複製貼上。
提示「謹慎使用」
[编辑]人類在撰寫程式碼時雖然會加入註釋,但不會明擺出僅有籠統理由「謹慎使用」提示。
示例
[[Category:香港樹仁大學校友]]請謹慎使用程式碼。
邏輯更動
[编辑]當請求大型語言模型修改程式碼以符合你的新要求時,常常會出現「只在」、「不再」、「原有邏輯」、「可做變動」等類似詞彙,例子如下:
示例
actions = { -- # ... FAR = { -- # ... categories = function (articleHistoryObj, actionObj) local ret = {} -- 只在「撤銷」或「即時不合標準」時考慮分類 if actionObj.resultId ~= 'delisted' and actionObj.resultId ~= 'immediate failures' then return ret end local status = articleHistoryObj:getStatusId() -- 当前仍是 GA(含多状态),不再加入「已撤銷的優良條目」 if status == 'GA' or status == 'GA/FFA' or status == 'GA/FFAC' or status == 'GA/FFA/FFAC' then return ret end -- 原有排序逻辑(可保留或简化) local sortkey = articleHistoryObj.currentTitle.text if status == 'FA' then sortkey = "#" .. sortkey end ret[#ret + 1] = Category.new( '已撤銷的優良條目', sortkey ) return ret end }, -- # ... }
留言
[编辑]亂槍打鳥
[编辑]誠懇的道歉
[编辑]人類是很懶的,寫的洋洋灑灑的道歉文不會有人想看,因此寫出這種文章的不是做作,大概率就是AI。
感謝大家的提醒與關切:巡查員已經到我的討論頁交流,我也在那裡說明了自查過程,但我知道事情沒有那麼簡單。我非常感謝社群的指正,任何能讓條目更好的建議我都全力配合,也會繼續保持感恩的心跟大家溝通,再次謝謝。
其他特徵
[编辑]寫作風格大變
[编辑]對編輯品質與方針遵循的籠統保證
[编辑]AI產生的編輯摘要有時會過度解釋修改目的,特別是聲稱編輯已經改善了中立性、可供查證性、可讀性或格式一致性,卻沒有具體說明修改涉及哪些事實或文字。
常見句式包括「確保內容符合維基百科方針」、「改善中立性與準確性」、「在保留原意的同時優化結構」等。模型亦可能特別列出本次修改沒有變動的部分,例如強調已經保留原有資料、來源或技術細節。
這些說明未必不實,但與人類編者常用的簡短編輯摘要不同,其重點往往是對修改品質作出籠統保證,而不是指出實際的修改內容。
實例
Removed promotional language and revised the passage to use a more neutral, balanced tone while preserving the original meaning and technical details. 已刪除宣傳性措辭,並修改該段落,使其採用更中立、平衡的語氣,同時保留原意及技術細節。
——英文維基百科條目的2026年7月12日編輯摘要
此摘要聲稱移除了宣傳性語言,改善了中立性,同時保留原意和細節,做出了一連串籠統的保証,英文維基百科事後核實其爲AI摘要。然而,需要指出,雖然此類表述確實有可能來自AI生成的修改報告,但編者不能單憑編輯摘要的措辭判定整次編輯由AI完成,仍然需要結合編輯正文進行判斷。
預先「掛」好的維護模板
[编辑]人類作文的特徵
[编辑]編輯發布時間
[编辑]| “ | 几个月前,我读了一些条目,发现AI味太过浓重,计划挂LLM标签。然而我发现,那些看似AI味溢出的内容却写于2017年,顿感惊诧万分。 | ” |
| ——User:花开夜,茶谈 | ||
ChatGPT於2022年11月30日推出。雖然OpenAI在這之前就有發表各種大語言模型,但這些模型屬付費服務,普通人不容易取得並(或)理解。
因此,在2022年11月30日前編輯的文字,非常可能由人類撰寫、並可排除該次修改使用AI的可能。這些文章雖然看起來可能很像AI生成的风格,但維基百科允許出現罕見的巧合。
解釋自身的編輯
[编辑]編輯應能夠解釋自己的修改或出錯的原因。比方說,如果編輯放了一個看似偽造的網址,請試著詢問為何出錯,不要妄下結論。如果他們能夠提供正確的連結、並解釋為說這是拼寫錯誤、或分享原文的相關段落,那就說明這編輯只是普通的人為錯誤。
註解
[编辑]參考資料
[编辑]- ^ 1.0 1.1 1.2 Russell, Jenna; Karpinska, Marzena; Iyyer, Mohit. People who frequently use ChatGPT for writing tasks are accurate and robust detectors of AI-generated text. Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers). Vienna, Austria: Association for Computational Linguistics: 5342–5373. 2025 [2025-09-05]. arXiv:2501.15654
. doi:10.18653/v1/2025.acl-long.267
. (原始内容存档于2025-08-29) –通过ACL Anthology.
- ^ Dugan, Liam; Hwang, Alyssa; Trhlik, Filip; Zhu, Andrew; Ludan, Josh Magnus; Xu, Hainiu; Ippolito, Daphne; Callison-Burch, Chris. RAID: A Shared Benchmark for Robust Evaluation of Machine-Generated Text Detectors. Proceedings of the 62nd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers). Bangkok, Thailand: Association for Computational Linguistics: 12463–12492. 2024 [2025-11-08]. arXiv:2405.07940
. (原始内容存档于2025-08-24).
- ^ Rudnicka, Karolina. Each AI chatbot has its own, distinctive writing style—just as humans do. Scientific American. 2025-07-09 [2026-01-18].
- ^ 4.0 4.1 4.2 10 Ways AI Is Ruining Your Students' Writing.. Chronicle of Higher Education. 2025-09-16 [2025-10-01]. (原始内容存档于2025-10-01).
- ^ 5.0 5.1 Juzek, Tom S.; Ward, Zina B. Why Does ChatGPT "Delve" So Much? Exploring the Sources of Lexical Overrepresentation in Large Language Models (PDF). Findings of the Association for Computational Linguistics: ACL 2025. Association for Computational Linguistics. 2025 [2025-10-13]. arXiv:2412.11385
. (原始内容存档 (PDF)于2025-01-21) –通过ACL Anthology.
- ^ 谭老师工作室. 【地理视野】一文教你如何突破时区的秘密. 国际教育网. 2019-12-24 (中文(中国大陆)).
- ^ 7.0 7.1 Reinhart, Alex; Markey, Ben; Laudenbach, Michael; Pantusen, Kachatad; Yurko, Ronald; Weinberg, Gordon; Brown, David West. Do LLMs write like humans? Variation in grammatical and rhetorical styles. Proceedings of the National Academy of Sciences. 2025-02-25, 122 (8) [2026-01-29]. ISSN 0027-8424. PMC 11874169
. doi:10.1073/pnas.2422455122.
- ^ Yona, Gal; Aharoni, Roee; Geva, Mor. Can Large Language Models Faithfully Express Their Intrinsic Uncertainty in Words?. Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing: 7752–7764. 2024. doi:10.18653/v1/2024.emnlp-main.443
.
- ^ Kim, Yekyung; Chang, Yapei; Pham, Chau Minh; Iyyer, Mohit. Argument Collapse: LLMs Flatten Long-Form Public Debate. Proceedings of the 2026 Conference on Empirical Methods in Natural Language Processing. Association for Computational Linguistics: 23847–23893. 2026.
- ^ Peters, Uwe; Chin-Yee, Benjamin. Generalization bias in large language model summarization of scientific research. Royal Society Open Science. 2025, 12 (4): 241776. doi:10.1098/rsos.241776
.
- ^ 朱宥勳. 對「AI腔」厭煩了嗎?分析AI生成文字的經典句型. [2025-05-25].
- ^ TVBS. 網紅舒二魚怒揭孫生「趁拍片強脫褲」! 反骨團隊竟冷眼旁觀│TVBS新聞網. TVBS. [2025-04-07] (中文(臺灣)).
- ^ 孫生性騷擾風波再爆 舒二魚控「趁拍片強脫女生褲子」:10個合作8個被你摸過. Yahoo News. 2025-02-19 [2025-04-07] (中文(臺灣)).
- ^ 薛羽彤. 孫生性騷擾延燒!網紅怒揭惡行「趁拍片強行脫褲」 培根冷眼旁觀 | 娛樂 | CTWANT. www.ctwant.com. 2025-02-19 [2025-04-07] (中文(臺灣)).
- ^ 中時新聞網. 孫生再被爆「壓女生強脫褲」扭打1hr! 反骨團隊冷眼旁觀不制止 - 娛樂. 中時新聞網. 2025-02-20 [2025-04-07] (中文(臺灣)).
- ^ TVBS. 放任孫生強壓網美! 培根「還原始末」鞠躬道歉:行為非常不齒│TVBS新聞網. TVBS. [2025-04-18] (中文(臺灣)).
- ^ TVBS. 網紅舒二魚怒揭孫生「趁拍片強脫褲」! 反骨團隊竟冷眼旁觀│TVBS新聞網. TVBS. [2025-04-21] (中文(臺灣)).
- ^ ETtoday新聞雲. 培根被控「旁觀孫生性騷女網紅」 還原過程道歉:他的行為很不齒 | ETtoday星光雲 | ETtoday新聞雲. star.ettoday.net. 2025-02-21 [2025-04-18] (中文(繁體)).
- ^ TVBS. 放任孫生強壓網美! 培根「還原始末」鞠躬道歉:行為非常不齒│TVBS新聞網. TVBS. [2025-04-18] (中文(臺灣)).
- ^ Merrill, Jeremy B.; Chen, Szu Yu; Kumer, Emma. What are the clues that ChatGPT wrote something? We analyzed its style.. The Washington Post. 2025-11-13 [2025-11-14].
- ^ AI超愛破折號,成「AI生成」鐵證?. 數位時代 (中文(臺灣)).
- ^ 綜合報導. 「AI代寫」看得出來!Z世代發現「ChatGPT寫作破綻」 有這符號直接大露餡. 聯合新聞網. 2025-04-17 (中文(臺灣)).
- ^ 支琬清. Z 世代熱議的「ChatGPT 破綻」!靠一個標點符號就能識別 AI?. 經理人 (中文(臺灣)).
- ^ Mashdigi. ChatGPT終於學會聽指令、不再濫用長破折號,讓AI生成內容更難識破. Yahoo奇摩新聞. 2025-11-16 (中文(臺灣)).
- ^ AI超愛破折號,成「AI生成」鐵證?. 數位時代 (中文(臺灣)).
- ^ 支琬清. Z 世代熱議的「ChatGPT 破綻」!靠一個標點符號就能識別 AI?. 經理人 (中文(臺灣)).
- ^ Cheng, Myra; Lee, Cinoo; Khadpe, Pranav; Yu, Sunny; Han, Dyllan; Jurafsky, Dan. Sycophantic AI decreases prosocial intentions and promotes dependence. Science. 2026, 391 (6792): eaec8352. doi:10.1126/science.aec8352.
- ^ Sycophancy in GPT-4o: what happened and what we're doing about it. OpenAI. 2025-04-29.
- ^ 系統提示. Claude Docs. Anthropic. [2026-01-29].