研究:前沿模型仅凭一段文字即可识别作者是人还是AI,甚至猜出真名
一篇 arXiv 论文测试发现,前沿模型在零样本提示下(不给工具、不给候选名单、不给写作样本)就能完成三级作者归属:判断文本是 AI 还是人类所写、识别出自哪家实验室、甚至识别出人类作者本人。Claude Fable 5.2、GPT-6.1 Sol、Gemini 4 Carbon 的检测能力可以匹敌 Pangram 这类专门训练的检测器,其中 Opus 5.5 对 Anthropic、OpenAI、Google 三家模型生成文本的实验室识别准确率达 98%。 更具体的效果来自公开语料测试:Fable 5.2 对 2026 年 10-11 月公开同行评审意见的作者识别准确率为 39%,在 Nature 期刊的子集上达到 78%;对年发帖超过 500 条的活跃 Reddit 用户,识别出用户名的准确率为 69%。论文指出,识别准确率取决于预训练数据中对该作者文字的接触程度和推理深度,直接问模型“你对某个作者有多熟悉”就能预测它能否认出其文风。 对在网上发表过大量文字的人来说,这意味着匿名性的威胁比普遍认知的更大,而且论文显示现有防御手段有限。这项研究对匿名评审、论坛发言、敏感内容发布等场景的隐私评估有直接参考价值。
Current read
给匿名评审或在网上发过很多文字的人提个醒:Opus 5.5 认实验室文本准到 98%,Fable 5.2 能猜出 69% 活跃 Reddit 用户的用户名,且不需要任何工具。和 Pangram 这种专门检测器相比,通用模型直接问一句就行。做同行评审或社区运营的都该看看防御部分。
Evidence
11 sourcesConflict check
Dedup data only shows that these sources discuss the same event, not that they agree. There is no structured supporting or refuting evidence yet, so no conflict is inferred automatically.