12:28arXiv cs.AI@Jason Miklian, John E. Katsos76°一项研究分析了 2023-2026 年间 Hacker News 和 Reddit 上的 2500 万条评论,发现用户指控他人使用 AI 生成内容的标签(如“AI slop”)在四年内增长了十倍以上。研究者通过 7500 条样本的 LLM 判断、情感轨迹分析、300 条确认指控的言语行为编码以及匹配对照测试,发现指控行为更多是社交筛选和群体认同的体现,而非真正识别 AI 内容。关键发现是:能统计上区分 AI 与人类文本的文体特征,并不能预测哪些人类文本会被指控为 AI。这表明,AI 对写作的读者端影响与生产者端截然不同,检测技术无法解决这一动态,因为指控的社会功能已转向社交把关和内部信号传递。论文AI 检测社交筛选在线社区AI 垃圾信号理论推荐理由:这项研究戳破了“AI 检测”的幻觉——做社区运营、内容审核或研究 AI 社会影响的读者会看到,指控 AI 更多是社交标签而非技术判断,值得反思当前反 AI 情绪的真实驱动力。原文
07:59Geek@geekbb一位开发者分享了 4 种将 AI 生成文本改写为更像人类写作的方法,以绕过 Turnitin、GPTZero 等 AI 检测工具。方法包括多语言翻译链(通过多次翻译打乱句式)、调高 LLM 温度进行多轮重写、循环检测并针对性改写、以及混合多个翻译引擎输出。这些方法利用了不同语言结构差异和模型指纹的消除,适合需要规避 AI 检测的用户。相关工具已在 GitHub 开源。AI产品AI 检测文本改写TurnitinGPTZero开源/仓库推荐理由:如果你写论文、报告或内容需要避开 AI 检测,这 4 种方法直接可用,尤其是多语言翻译链和混合引擎输出,做内容创作的团队可以试试。原文