User:Hung Ting

我對 LLM 與維基百科的立場

大型語言模型（LLM）正在深刻改變維基百科的生態。Wagner & Jiang (2025) 在其研究中指出，AI 回答機器人分流了讀者，AI 寫作機器人則逐漸滲透編輯活動，這可能形成惡性循環：讀者減少導致編者流失，編者流失導致內容停滯，最終削弱維基百科作為知識資源的價值^[1]。

2026年3月，英語維基百科社群以壓倒性共識通過了關於使用大型語言模型撰寫條目的方針，禁止使用 LLM 生成或改寫條目內容。例外僅有兩項，且均須經人類審查：一是修正自己文字中的拼字、標點、大小寫、文法等簡單錯誤（即基礎校訂，而非一般意義的潤飾改寫），二是依 LLM 輔助翻譯指引進行的跨語言翻譯^[2]。同年3至5月的後續討論進一步將持續違反上述範圍的 LLM 使用列為封鎖理由；但方針同時要求，由於部分編者的文風本就近似 LLM 輸出，施加制裁必須具備超出文體與語言跡象的證據^[2]。我認同並遵循此方針，支持在允許範圍內將 LLM 作為輔助工具使用，但條目內容的事實查核、來源驗證與中立性判斷，必須由具備專業知識的人類編者把關。

2026年7月，英語維基百科進一步將推定移除 AI 生成內容（WP:LLMPRV）確立為指引：當某使用者被認定有 AI 使用史時，其一系列貢獻可被推定違反方針而逕行回退，無須逐條檢視；若該編者為頁面唯一實質貢獻者，則可循 LLMPROD 程序提請刪除，掛牌五日後由未涉入的管理員複核執行；欲恢復內容者須自行承擔完整審查與修正的責任^[3]。其理據在於生成與清理之間的努力不對稱：產出 AI 內容所需的時間，遠低於逐條檢視並盡量保留其中可用部分所需的人力。我認為這一設計如實反映了維護成本，但也注意到該指引並未量化「極可能為 AI 生成」的判定門檻，亦無誤判率的公開數據；因此在實務操作上，仍應以內容本身是否違反核心方針作為主要依據，而非僅憑文風判斷。

中文維基百科亦已有相應規範：WP:G21 允許對極可能由 LLM 生成且明顯缺乏人工校對的頁面提請快速刪除，WP:AITALK 指出明顯由 LLM 生成的討論意見可能不為社群接納，Wikipedia:AI生成文的特徵則整理了實用的辨識判準（如無效的 DOI 與 ISBN、與建立時間明顯不符的 access-date 參數等）。值得注意的是，這些判準之所以有效，正是因為 LLM 會產出掛著真實作者與真實標題、卻指向不存在來源的擬真引用——幻覺引用對知識體系的汙染並非未來式的風險推演，而是已在發生的現況。

維護維基百科的內容品質，不僅是對讀者的責任，更關乎 LLM 自身的未來。Shumailov et al. (2024) 發表於《Nature》的研究已證實，當 AI 模型以自身或前代模型產出的合成資料進行訓練時，會發生「模型崩潰」（model collapse），模型逐漸喪失對真實資料分布的理解，輸出品質不可逆地退化^[4]。維基百科是幾乎所有主流 LLM 的核心訓練資料來源，若放任低品質的 AI 生成內容汙染維基百科，最終受害的不只是讀者，還有 LLM 自己。

^ Wagner, Christian; Jiang, Ling. Death by AI: Will large language models diminish Wikipedia?. Journal of the Association for Information Science and Technology. 2025, 76 (5): 743–751. doi:10.1002/asi.24975.
^ ^2.0 ^2.1 Wikipedia:Writing articles with large language models. English Wikipedia. [2026-08-13].
^ Wikipedia:Presumptive removal of AI-generated content. English Wikipedia. [2026-08-13].
^ Shumailov, Ilia; Shumaylov, Zakhar; Zhao, Yiren; Papernot, Nicolas; Anderson, Ross; Gal, Yarin. AI models collapse when trained on recursively generated data. Nature. 2024, 631 (8022): 755–759. PMID 39048682. doi:10.1038/s41586-024-07566-y.