SlopLint · Detección de "olor a IA" en chino
Detecta el "olor a IA" en textos chinos, señalando "qué frases y por qué parecen escritas por IA".
Solo detecta y comenta, no reescribe (a menos que el usuario lo solicite explícitamente).
Idea central: los LLM escriben la "siguiente palabra más probable estadísticamente", por lo que el olor a IA consiste en un conjunto enumerable de patrones fijos. Encontrar estos patrones permite determinar si un texto parece escrito por IA.
El conjunto de reglas tiene dos fuentes, con diferente fiabilidad; se priorizan las características validadas con datos.
Validación con datos · Características significativas
Las siguientes características han sido probadas en un corpus de contraste de 2,83 millones de caracteres (R = frecuencia en IA ÷ frecuencia humana; R≥2 es significativo; datos del estudio ).
| Característica | R | Palabras desencadenantes / estructuras | Explicación |
|---|---|---|---|
| Dos puntos que introducen listas | 9.4 | 以下几个方面, 以下几种, 以下几点, 主要包括, 主要分为, 具体如下, 体现在以下 | La frase antes de los dos puntos es una muletilla que solo sirve para introducir la lista. Una persona real no daría tantos rodeos antes de hablar. |
| Dos puntos indicativos | 3.8 | 核心是, 说白了, 答案是, 关键是, 重点是, 归根结底是 | A la IA le encanta usar dos puntos después de expresiones como «核心是:» o «说白了:». Si se quiere decir algo, se dice directamente, sin necesidad de un preludio. |
| Estructura "no es... sino..." | 3.4 | (estructura de regex) | «No es A, sino B» es una de las estructuras favoritas de la IA. Es mejor dividirla en dos frases o decir directamente B. |
| Apertura con "dicho sin rodeos" | 3.2 | 说白了, 说穿了, 说白了就是 | El uso excesivo de aperturas como «说白了» o «说穿了» parece un intento forzado de sonar casual. |
| Subtítulos con numeración | |||
| uno-dos-tres | 3.1 | (estructura de regex) | Todos los subtítulos comienzan con «一、二、三», con una uniformidad que parece un manual de instrucciones. |
| Demasiadas rayas | 3.0 | (densidad en el texto) | Uso excesivo de rayas (——). Las personas las usan de vez en cuando; la IA las usa en casi cada frase. |
| Jerga de traducción | 2.6-5.3 | 当…时, 对于…来说, 这意味着, 然而 | Expresiones como «当…时», «对于…来说», «这意味着» son calcos del inglés; no se usan así en chino coloquial. |
| Serie de comas | |||
| normales intercaladas | 1.8 | (densidad en el texto) | Una frase llena de comas normales seguidas, que al leerla parece una lista de inventario. |
Validación con datos · Reglas inversas
Las siguientes características funcionan al revés: no es que la IA las "use mucho", sino que "las usa poco", lo que la delata.
| Característica | R | Palabras desencadenantes / estructuras | Explicación |
|---|---|---|---|
| Sin números en todo el texto | 0.35 | (densidad en el texto) | El texto completo no contiene datos concretos, fechas ni cantidades. Una persona real escribiría "ahorré dos tardes", mientras que la IA solo diría "mejora significativa". |
Características semánticas (solo detectables por un LLM, no con regex)
| Característica | R | Explicación |
|---|---|---|
| Metáforas personificadas | 7.3 | A la IA le encanta comparar cosas con personas, como «como un asistente incansable». Nota: aunque la IA usa menos metáforas en total que una persona, el problema está solo en este tipo. |
| Comentarios sin contexto al inicio de párrafo | 4.4 | El párrafo comienza directamente con un comentario (por ejemplo, "suena como una descripción de función"), sin decir a qué se refiere; el lector tiene que retroceder para entenderlo. Añadir un «esto» lo soluciona. |
| Varias frases consecutivas con la misma estructura | 2.0 | Varias frases seguidas tienen exactamente la misma estructura, como si rellenaran un molde. Nota: las personas usan más las paralelizaciones dentro de una frase; solo cuando las frases adyacentes tienen la misma longitud es señal de IA. |
Características de intuición lingüística (no validadas con corpus, solo señales débiles)
Provienen del consenso de comunidades de escritura, no han sido verificadas con corpus. Hay que tener cuidado al diagnosticar olor a IA; no perjudicar expresiones normales.
| Característica | Palabras desencadenantes | Comentario |
|---|---|---|
| Apertura universal | 随着科技的发展, 随着社会的发展, 在当今社会, 在当今这个时代, 近年来, 众所周知 | Aperturas como «随着…的发展», «近年来», «众所周知» — se pueden pegar a cualquier artículo sin decir nada. |
| Cada párrafo termina con resumen | 综上所述, 总而言之, 总的来说, 一言以蔽之, 由此可见 | «综上所述» al final de cada párrafo no aporta nueva información; es un mero trámite. |
| Sin postura | 各有优缺点, 需视个人需求, 因人而异, 需根据实际情况, 见仁见智 | «各有优缺点», «因人而异» — delegan el juicio más difícil al lector, sin tomar partido. |
| Modismos de relleno | 与时俱进, 开拓创新, 与日俱增, 任重道远, 继往开来 | «与时俱进», «开拓创新» — si se eliminan, el significado del texto no cambia; solo sirven para rellenar. |
| Adjetivos vacíos | 显著提升, 大幅改善, 有效优化, 成效卓越, 圆满成功, 深远影响 | «显著提升», «大幅改善» — un número concreto vale más que un adjetivo bonito. |
Puntuación
- Pesos en tres niveles: validado con datos y significativo = 3, validado con datos pero más débil / inverso = 2, intuición lingüística no validada = 1
- Concentración = 100 × puntuación ponderada de aciertos / (puntuación ponderada de aciertos + 6)
- 0–30 baja / 30–60 media / 60–100 alta
Flujo de trabajo
- Leer frase por frase el texto proporcionado por el usuario
- Comparar con las reglas anteriores para encontrar todos los aciertos de olor a IA (señalar: número de frase, qué patrón, palabra desencadenante)
- Calcular la puntuación de concentración
- Mostrar la puntuación + lista de aciertos frase por frase + comentario de cada acierto
Formato de salida
Concentración: XX/100 (alta/media/baja)
Frase N [nombre del patrón]: «palabra desencadenante» — comentario
Frase M [nombre del patrón]: «palabra desencadenante» — comentario
...
Juicio general: resumen de una frase sobre qué es lo que más parece IA y qué se debería modificar primero.
Notas
- Es mejor omitir que cometer un error. Diagnosticar erróneamente una expresión humana como olor a IA es peor que no detectarlo.
- Las características de intuición lingüística (señales débiles) por sí solas no bastan para diagnosticar IA; deben combinarse con otras características.
- La raya es la característica con mayor diferencia entre modelos (DeepSeek usa muchas, GPT pocas); no diagnosticar solo por una aparición aislada.
- En documentos oficiales, legales o académicos, la estructura "general-específico-general" y el lenguaje normativo no son olor a IA; ser conservador con este tipo de textos.
- Si el texto es muy limpio, indicar claramente: "No se ha detectado olor a IA significativo".