AI 写作迹象
基于维基百科“AI 写作迹象”建议页面（WikiProject AI Cleanup 编辑者从数千个真实 AI 编辑中构建）浓缩和重组而成的聊天机器人散文习惯现场指南。它有两个用途：
- 审阅：判断文本是否显示 LLM 生成的迹象，并找出这些迹象通常指向的深层问题。
- 写作与修订：通过修复这些习惯所掩盖的问题（而非替换词汇），产生不依赖这些习惯的散文。
此文件中的示例为说明目的而虚构。模式和单词列表来自维基百科页面。
首先阅读
此目录描述现象，而非规定规则。这里的每个模式也出现在人类写作中，因为模型是从人类写作中学习而来的：新闻稿、旅游手册、学校论文、粉丝维基、博客。将每个迹象视为深入观察的理由，而非证据。
- 一个迹象意义不大。来自不同类别的迹象集群更有意义。单个“crucial”是噪音；而一篇包含十几个 AI 词汇、三个以“ing”结尾的解释性从句和“Challenges”章节的短篇草稿则是一种模式。
- 自动检测器（GPTZero、Pangram 等）优于随机猜测，但存在实际错误率，并且在面对改写、标记变化和未训练过的模型时会失效。切勿将检测器得分作为定论。
- 人类也是糟糕的检测者。该指南引用的研究表明，典型读者的检测能力接近随机水平。在一项 2025 年的研究中，经常使用 LLM 进行写作的人捕获了约 90% 的 AI 文本，同时将约 3% 的人类文本误判为 AI 文本。保持适度的信心。
- 在 ChatGPT 于 2022 年 11 月 30 日公开发布之前出版的文本极不可能是 LLM 输出，无论其读起来多么“像 AI”。
- 表面迹象的重要性不如其下隐藏的问题：无来源支持的主张、不存在或与归因不符的来源、以及作者将自身解释呈现为事实的行为。仅清除迹象而不解决这些问题只会让问题更难被发现。
- 指责是有成本的。错误的指责会赶走新人并毒化讨论。描述文本做了什么，而不是作者是什么。
当前最常见的迹象
截至 2026 年 10 月，指南列出了以下在新生成的 AI 维基百科文本中最常见的迹象（除了明确的伪造物）：不应该出现的 Markdown、AI 编写的编辑摘要、关于可用来源的回避性免责声明、模糊的“associated with”/“in connection with”表述、以及对媒体报道和来源归因的刻板强调。以下均已涵盖。
AI 散文为何如此表现
LLM 预测最可能的延续，因此其输出趋向于多种情况下的统计典型。接着，为获得广泛认可而进行的微调使其趋向于讨喜、积极的散文。罕见、具体的事实被替换为常见、泛泛的赞美：“设计了第一个自动铁路耦合器”变成了“一位富有远见的行业巨人”。该指南形象地将此比喻为一幅肖像从清晰的照片逐渐变为模糊的素描，同时有人愈发大声地坚持被画者很重要。主题最终同时变得更不具体和更夸张。
下面的大多数迹象都是这种单一漂移的变体。这为你提供了最有用的单一测试：这句话能否原封不动地粘贴到关于不同主题的文章中？如果能，这很可能是填充内容。
迹象目录
内容
膨胀的意义、遗产和更广泛的趋势
普通细节被联系到更大的故事中。成立日期“标志着一个关键时刻”；一条新路“巩固了其作为区域中心的角色”。即使对于词源或人口数据等平凡材料也会发生这种情况，有时还带有回避性修饰（“尽管使用有限，但它反映了...”）。关于物种的写作过度强调与更广泛生态系统的联系，并沉溺于保护状况，即使一无所知。主题被置于未命名“辩论”或“公共讨论”的背景中。自 2026 年中期起，模型还会对“这个区别为何重要”附加评论。
需要注意的词汇：stands/serves as、is a testament/reminder、plays a vital/significant/crucial/pivotal/key role、pivotal moment、underscores/highlights its importance、reflects broader、symbolizing its ongoing/enduring/lasting、contributing to the、setting the stage for、marking/shaping the、represents/marks a shift、key turning point、evolving landscape、focal point、indelible mark、deeply rooted、the distinction matters because。
AI 风味：霍利斯街图书馆于 1952 年开放，是小镇对学习持久承诺的证明，标志着该地区文化景观的一个关键转折点。
具体：霍利斯街图书馆于 1952 年开放，收藏了约 4000 本由居民捐赠的书籍。
修正：陈述事实。仅当有来源支持时才保留关于重要性的说法，并将其归因于该来源。
对知名度、报道和归因的刻板强调
文本不说明来源报道的内容，而是谈论来源本身：哪些媒体“专题报道”或“简介”了该主题、它们是什么类型的媒体（行业刊物、地方媒体）、报道是否“独立”。通常，媒体列表后面没有关于它们说了什么的任何内容。当要求为维基百科写作时，模型会在文章内部回响指南性语言（“重要的独立报道”），仿佛在文本本身中为知名度辩护。人物和公司“保持活跃的社交媒体存在”。对于琐碎或没有争议的事实，会使用正文归因（“根据公司文件，...”），而脚注就足够了。模型还会将其自身分析绑定到具名来源上。这在 2025 年起发布的工具中更为常见。
需要注意的词汇：independent coverage、local/regional/national media outlets、music/business/tech outlets、trade publications、cited/featured/profiled in、written by a leading expert、active social media presence、was identified by。
修正：将媒体列表替换为其中一两家实际报道的内容。检查每个归因声明是否出现在引用的来源中。
肤浅的分析
一个事实后跟一个解释性的分词从句：“...，突显了该地区日益增长的重要性。”最强烈的形式是让无生命的主语执行心智活动。人可以强调或突出某事物；桥梁、日期或统计数字则不能。“highlighting”是一个隐形叙述者关于某事物含义的主张。支持搜索功能的聊天机器人将这些主张附加到具名来源上，无论该来源是否说过任何类似内容。
需要注意的词汇：highlighting、underscoring、emphasizing、reflecting、symbolizing、showcasing、ensuring、contributing to、fostering、cultivating、encompassing、enhancing、valuable insights、aligns with、resonates with。
AI 风味：该桥于 1931 年开放，突显了该镇作为重要贸易走廊的出现。
具体：该桥于 1931 年开放，将前往阿什福德的行程从两小时缩短至二十分钟。
修正：删除尾随从句，或用来源支持的具体结果替换它。
促销、宣传册式的语气
即使被要求提供中性散文，模型也会滑向广告文案或旅游指南的口吻，尤其是对于地方、任何可算作“文化遗产”的事物、公司和产品。声称要“去除促销语气”的改写有时反而会添加它。GPT-4 时代的输出公然正面；较新的模型更微妙，避免了像“the best”这样的绝对最高级，但相同的陈词滥调无论主题如何都会重复出现。
需要注意的词汇：boasts、vibrant、rich、profound、nestled、in the heart of、natural beauty、breathtaking、groundbreaking、renowned、showcasing、exemplifies、commitment to、diverse array、continues to captivate、featuring。
修正：删除进行评判的形容词，保留进行衡量的形容词。对于“renowned”，追问：被谁、因何而著名？
模糊的联系或关联
文本不陈述关系，而是说两件事“associated with”或“connected to”。它经常与流行词叠加（“widely associated”、“particularly associated”），有时会重复贯穿整个段落。
需要注意的词汇：associated with、in association with、connected with/to、in connection with。
AI 风味：Okafor 一直与 Brightwell Labs 的技术领导有关联。
具体：Okafor 于 2019 年至 2023 年任 Brightwell Labs 首席技术官。
修正：明确关系。如果来源没有说明关系是什么，则此句子无依据。
模糊的归因和过度概括的观点
含糊其辞的表达：“Experts argue”、“Observers have noted”、“Industry reports suggest”，背后只有或没有一个来源。一位评论者变成“critics”；两篇文章变成“several publications”；“such as”暗示一个比实际更长的列表。有时所谓的独立观点来自主题自己的网站。
需要注意的词汇：experts argue、observers have cited、some critics argue、industry reports、several sources/publications（当引用的很少时）、widely interpreted/regarded、such as（放在实际上完整列表的前面）。
修正：指明是谁说的，或者删除。使数量词与来源数量匹配。
教导性的免责声明和评论
针对想象中读者的注释：“It's important to note that...”、“It's crucial to remember...”、安全警告、“may vary by jurisdiction”，或对没有人提及的不相关事物进行的仔细消歧。
需要注意的词汇：it's important/crucial/critical to note/remember/consider、may vary。
修正：删除，或将真正的警告转化为简单、有来源的陈述。
关于缺少来源的回避性表述和填补空白的推测
当模型找不到信息时，它会在文本中说明（“虽然具体细节有限...”、“没有广泛记录”、“基于可用信息”、“在提供的来源中”），然后猜测什么是“likely”真实的以及为什么这很重要。猜测是编造的，而关于没有记录在案的说法也可能不实。相关形式：知识截止日期免责声明（“as of my last training update”）、“as of [date]”的缺失声明（“截至 2025 年 6 月没有记录到重大争议”），以及关于读者应如何使用信息的回避性说明。
修正：删除回避性表达和推测。如果信息缺失，则省略它，或在格式要求的地方直白说明。
章节结尾的总结和结论
“In summary”、“In conclusion”、“Overall”、“Conclusion”标题，或重申其结束段落的结束句。百科全书式的写作，以及大多数专业写作，不会这样做。
公式化的“challenges”和“future outlook”结尾
一个固定的提纲，以“Despite its [praise], X faces several challenges, including...”开头，接着是“Despite these challenges, X continues to thrive...”或关于未来举措将如何提供帮助的推测。通常有一个单独的“Future prospects”部分。标志是公式，而不是任何对挑战的提及。
模板化的章节标题
形式为“X and Y”的标题堆积起来（“Legacy and influence”、“Challenges and legacy”、“Sustainability and future challenges”）。标题“Awards and recognition”或仅“Recognition”在 AI 生成的传记和公司页面中几乎普遍存在，远远多于人类撰写的宣传文章。
将列表或描述性标题视为命名实体
第一句将标题定义为一个真实世界的实体：“‘List of songs about rivers’ is a curated compilation of musical works that...”主要与维基和参考书相关。
语言和语法
这些模式与主题无关，这赋予了 AI 文本可识别的风格。
高密度的“AI 词汇”
某些词在 2022 年之后变得更加频繁，并且往往一起出现。一段文字中出现一两个无关紧要；多个词反复出现是一个最强的信号。请按字面理解列表：某个词被过度使用并不会使其同义词变得可疑。也要注意字面含义（例如“underscore”作为字符或电影配乐）。
通用列表：additionally（尤其用于句首）、align with、boasts（意为“拥有”）、bolstered、crucial、deep dive、delve、emphasizing、enduring、enhance、fostering、garner、highlight（作为动词）、interplay、intricate/intricacies、landscape（抽象）、meticulous/meticulously、pivotal、robust、showcase、tapestry（抽象）、testament、underscore（作为动词）、valuable、vibrant。
伴随习惯：用“serves as”、“stands as”、“boasts”或“features”替换平实的“is”和“has”。
受青睐的词汇在模型世代间变化。以下时间段是大致而非硬性的界限：
| 时间段 | 典型模型 | 常见词汇集群 |
|---|---|---|
| 2023 年至 2024 年中 | GPT-4 | additionally, boasts, bolstered, crucial, delve, emphasizing, enduring, garner, intricate/intricacies, interplay, key, landscape, meticulously, pivotal, underscore, tapestry, testament, valuable, vibrant |
| 2024 年中至 2025 年中 | GPT-4o | align with, bolstered, crucial, emphasizing, enhance, enduring, fostering, highlighting, pivotal, showcasing, underscore, vibrant |
| 2025 年中至 2026 年中 | GPT-5 | emphasizing, enhance, highlighting, showcasing, 加上上述关于知名度和媒体报道的措辞 |
| 2026 年中至今 | GPT-6 | challenge, clearer, dependable, echoed, foster, leverage, matters, multifaceted, practical, prioritize, quietly, steady, universally; 短句，约 8 到 20 个单词，句号和逗号优于长破折号 |
“Delve”在 2023 年和 2024 年初达到顶峰，并在 2025 年急剧下降。每个聊天机器人都有自己的个人语言风格：例如，Grok 过度使用准科学词汇（causal、empirical、correlate），并且在 2026 年仍在过度使用“underscore”。
否定式排比
“Not only X but Y”、“It's not just X, it's also Y”以及“Neither X nor Y”。一种修辞技巧，在 AI 文本中出现频率极高。
解释性“v-ing”之后的分句
“..., making it”、“..., leading to”、“..., resulting in”、“..., prompting”、“..., causing”等。通常与“highlighting”、“underscoring”以及上述肤浅分析中列出的其他词结合使用。
反映性或重复性结语
“..., however, it's clear that”、“..., though in practice it varies”、“..., which speaks to”。AI 文本经常用几乎没说任何新内容的从句结束句子。
句首的状语从句
句子以“While...”、“Although...”、“Despite...”、“With...”、“Given that...”开头，其中从句包含本应在主句中表达的内容。例如：“尽管面临这些挑战，法案还是通过了。”更好的写法是：“面对强烈的反对，州议会仍以 31 比 22 通过了该法案。”
段落或句子开头的“However”
多到成为 AI 文本统计上可识别的指纹。用“Nevertheless”、“Nonetheless”、“Yet”、“By contrast”、“Conversely”、“Meanwhile”、“Meanwhile”、“Instead”也是一样。
“as”表原因
“,... as ...”用于表示因果关系：“The project was delayed, as funding fell through.”（“因为资金不足，项目被推迟了。”）可以用“because”、“since”、“after”或将原因放在前半句来替换。与“as of”区分开。
“In addition to” 和 “Additionally”
两者（尤其是句首的“Additionally”）都是强烈的信号。
“Realm”、“domain”、“sphere”及其他对“topic area”的抽象说法
“In the realm of politics”、“within the domain of medical AI”。
“Notable” / “notably”
任何位置的“notable”高度可疑。
“A range of”、“a variety of”、“various”
当跟随列表时很弱；当填充空间时代替缺失的细节。
“With that in mind”
在 AI 文本中几乎总是空的。
“Overall”开头的句子
删掉。
“As of” + 日期
附加免责声明，有时是虚假的。检查日期。如果部分或全部文本可能比声明的日期更晚，那很可能就是虚假的。
格式和结构
不应该出现的 Markdown
维基百科：粗体除了标题和定义列表外很少使用。维基百科的粗体几乎肯定不起作用或不应存在。AI 会在表格中使用****（通常是多余的），在无关的单词上、介绍性句子中以及作为强调形式使用。
所有上下文：AI 经常在其思考过程或无法显示的指令中遗漏格式化痕迹。技巧：如果你能猜到 LLM
[待续：内容被截断]