tae898/academic-de-llm

Academic de-LLM：移除痕跡，保留論點

機器生成的文字很少出錯，但它們很容易被識別。這是你最後執行的一輪檢查，在論點確立之後、提交之前。

此技能專門針對學術寫作。其背後測量數據來自130萬字的期刊摘要、開放獲取全文及arXiv預印本。這裡的每一個聲明都有測量數據或引用來源，references/sources.md 會說明哪些聲明有來源、哪些沒有，包括每個來源不能證明的部分，以及完全沒有來源的聲明。

兩件事在變化，一件幾乎不變

結構和詞彙量在各處都在增加。 在摘要和全文中，相對於ChatGPT之前的基準線，增加了2到4倍。在任何學術文檔中，第2層和第3層是需要關注的重點。

格式主要是期刊模板的產物，而非作者的個人風格。 在全文中，章節標題在2021到2026年間幾乎保持不變：「2. 材料與方法」是格式要求。破折號的使用在兩種情況下都很低。

因此：

文檔類型	從哪一層開始	原因
論文（LaTeX 或期刊模板）	第2層	標題和編號是出版方決定的，不是你的。即使檔案含有標記，也跳過第1層
摘要或投稿欄位	第2層	沒有標記可以檢查
Markdown 或 HTML 格式的學術部落格文章	第1層（簡短檢查）	你選擇了格式，所以破折號和行內標題粗體列表是你的責任。然後再檢查第2層

這些數據背後的圖表和語料庫在 references/sources.md 中。

相關但不同的技能（由不同作者編寫）：SimpleEnglish (ASD-STE100)。當讀者可能誤解文字時，請使用那個技能。當讀者可能認為文字是機器生成時，請使用這個技能。在論文中，只執行這個技能，因為STE禁止使用表達確定性的情態動詞，而這些動詞在學術寫作中很重要。

兩個同等重要的準則

刪除痕跡，保留主張。 如果一次改寫為了通過風格檢查而使句子所聲稱的內容超出證據支持，那就破壞了文本。這比保留痕跡更糟。

刪除痕跡，保留節奏。 徹底應用以下各層規則，會產生共享同一個主詞的簡短陳述句：所有痕跡都消失了，但節奏也跟著消失了。這是可以被測量的，不是假設。因此，當以下四條規則與層級指南衝突時，它們優先於層級指南。

不要僅僅因為連接詞是分詞，就把一個長句拆成三個短句。 在原地改寫分詞，或將該子句改為從屬子句。在短句中穿插一個長句，看起來更像人類的段落。

不要讓連續的句子以相同的主詞開頭。 如果一個修正產生了「我們做X。我們做Y。我們做Z」，那麼無論模式計數如何，這個修正都比它取代的原文更糟。

保留連接詞。 用來表明句子功能的短語（對比、讓步、推進）是讀者跟隨論點的關鍵。有些短語在觸發列表上。移除它們會提高分數，但會讓文章更難讀。

高分觸發詞並不自動值得移除。 精確度衡量的是某個模式可靠地指示機器作者身份的程度。它沒有說明該短語對讀者是否有價值。只有你能回答第二個問題。

在任何一輪檢查之後，大聲朗讀結果。如果每個句子長度都一樣，就找回一個長句。

第零步：跳過檢查

在進行任何匹配之前執行此步驟。以下內容永遠不應編輯，任何修改它們的操作都會造成嚴重損害：

包圍的程式碼區塊和行內程式碼片段。YAML、TOML 和 JSON 的前端數據或設定。Markdown 表格，包括使用破折號作為「不適用」佔位符的儲存格。任務列表。腳註和引用區塊。來自他人的直接引文。錯誤訊息和日誌行。識別碼、CLI 標誌和檔案路徑。數字範圍內的連字符，例如 0.88–0.98。2022年11月之前寫的任何內容。

回報時說明你跳過了什麼（例如「跳過：3個程式碼區塊，1個表格，前端數據」）。這使檢查過程可審計，也是防範下面記錄的誤報率的主要方法。

第1層：格式

在包含標記的文檔中效果最好，也是較舊指南忽略的層級。

僅針對純文字時，只有下面的破折號模式適用。此層級的其他所有模式都需要標記才能存在，因此在純文字中不會出現。

破折號

第1層中唯一會出現在無標記文字中的模式。在arXiv預印本中，大約從2020年的每萬字3.7個增加到2026年的7.8個，翻了大約一倍。在全文中的使用率都很低，因此在部落格文章中值得一瞥，但在論文中很少值得修改。

維基百科列出的是「破折號濫用」，而非破折號使用。改寫而非替換：

改寫前	改寫後
建置失敗了 — 快取過期了。	建置失敗了。快取過期了。
延遲上升了3倍 — 遠遠超出逐次執行的差異範圍。	延遲上升了3倍，遠遠超出逐次執行的差異範圍。
兩個引擎 — Chroma 和 Qdrant — 都沒有收穫。	Chroma 和 Qdrant 都沒有收穫。

如果後半部分是修飾語，用逗號；如果它是一個獨立的主張，用句號；如果是一個題外話，用括號。絕不要用分號。

行內標題粗體列表

49%的文件，每萬字46個。形式是- **術語**：解釋，連續重複，而這裡本該是連貫的段落。

改寫前：

• 快速：在一秒內執行完畢。
• 可攜：無依賴項。

改寫後：它執行快速且無需任何依賴。

當列表項目確實是平行的，且讀者會掃讀而不是閱讀時（例如標誌參考），保留列表。當「列表」實際上是三句穿著列表外衣的句子時，將其轉換為段落。

標題大小寫

83%的文件，每萬字22個。## 開始設定配置 改為 ## 開始設定配置。全部使用句子大小寫，專有名詞除外。

其他低頻格式

過多的粗體，特別是在段落中間將術語加粗作為「重點摘要」。使用表情符號作為項目符號、分隔符或標題裝飾（11%的文件）。標題層級跳躍，例如從 H2 直接跳到 H4。在標題前使用主題分隔線。在非 Markdown 格式中洩漏了 Markdown 語法。在應該使用直角引號的地方使用了彎曲引號（此處測量為0%，但從文書處理器貼上的文字中仍會出現）。

第2層：結構

這是模型層級的生成習慣，而非介面產物，因此它們會跨供應商和模型世代而持續存在。維基百科的分類和術語，但「假範圍」除外（下面會說明）。

迴避繫詞

在ChatGPT之後，期刊摘要中過量了2.6倍，全文中也是如此。簡單的 是 被包裝成 擔任、作為、處於、作為...的功能、擁有、提供、仍然是、將X定位為、提出一個 和 提供一個...解決方案。

擔任 每次出現都是真實案例。單純的 提供 只有六分之一是真實的，因為「該工具提供了X」是一個普通動詞，所以我們將其限定為繫動詞形式：「提供了一個有效的解決方案」意思是「是一個有效的解決方案」。保持 在11次匹配中從未是真正的繫動詞用法。閱讀動詞：如果 是 不能替換它，就放過它。

以-ing結尾的淺層分析

在學術文章中是最強的痕跡。 相對於ChatGPT之前某期刊每萬字1.0個的基準線，它在2024年達到了8.7，2025年達到12.2的高峰，2026年則為6.9。全文顯示了相同的模式，從1.9增加到8.2。在兩年後仍然接近基準線的7倍，而詞彙標記則已衰減。

這是指一個分詞子句，將模糊的解釋附加到一個事實上：突出了、強調了、著重說明了、確保了、反映了、貢獻於、提供了、增強了、允許了、幫助了、支持了、維持了、從而...了。

它不需要逗號。「感測器訊號使得精確且穩健的檢測成為可能」是沒有標點符號的相同模式，僅在逗號之後查找會錯過大多數情況。使得 被完全放棄：它匹配了16次，沒有一個是真實案例，但卻佔了此模式找到的所有內容的三分之一。

改寫前：快取被首先檢查，減少了往返次數並改善了延遲。 改寫後：快取被首先檢查。這減去了一次往返。

否定對比

四種變體：不僅是X，而且是Y、不是X，而是Y、X而不是Y 和 與X不同，這項工作Y。

最後一種是實際發生的情況。僅搜尋 不僅...而且... 的形式在60篇摘要中找到了14個匹配，沒有一個是真實的，而所有真實案例都採用 與傳統的最佳化準確率的研究不同，這項工作強調... 的形式。

改寫前：這不是關於速度。這是關於正確性。 改寫後：這個更改修正了結果。它並沒有讓它變快。

三的法則

三個一組的形容詞或短語。並非每個三元組都是痕跡；三個真實的事物就是三個真實的事物。測試方法是：刪除第三個是否會遺失資訊。

過度強調重要性

關鍵的、至關重要的、是必要的、是必不可少的、扮演關鍵角色、證明了、巨大的潛力、強調了...的重要性。用籠統的重要性代替具體的事實。

在結構模式中最可靠：約四分之三的匹配是真實案例。單純的 關鍵的 較弱，僅有五分之二是真實的，但我們仍然保留它，因為它能捕獲到「對分類效能至關重要」這類情況，而在一個需要人工閱讀所有結果的尋找器中，遺漏一個的成本高於誤報一個。

模糊歸因

觀察者指出、專家認為、產業報告暗示、若干來源。說出是誰說的，否則就刪除該主張。

假範圍

從X到Y，其中X和Y並非在同一尺度上。「從星星的誕生到暗物質的神秘舞蹈」是一個形狀，不是一個範圍。

無來源。不在維基百科頁面上，與此層級的其他模式不同。請參閱 references/sources.md。

挑戰公式

「儘管它有X，但它面臨幾個挑戰」，後面跟著模糊的正面表述。

優雅變體

為了避免重複某個詞而輪換使用同義詞，這是重複懲罰的產物。在技術文本中，這是有害的：一個事物，一個名稱。

第3層：過剩詞彙

26%的文件，每萬字2.4個。頻率低於格式問題，但這是唯一有已發表測量數據作為依據的層級。

Kobak等人發現，2024年的過剩詞彙絕大多數是風格上的，而非主題性的：在379個過剩風格詞中，66%是動詞，14%是形容詞。這與Covid這樣的真實事件相反，後者的過剩詞是內容名詞（內容詞中79.2%是名詞）。

最高頻率比（r = 2024年頻率 ÷ 反事實頻率）：深入探討 28.0，強調 13.8，展示 10.7。最高絕對差異：潛力 0.052，發現 0.041，至關重要 0.037。

作者列出的十個最強組合標記：跨域、此外、全面、至關重要、增強、表現出、見解、值得注意的是、特別是、在...之內。

維基百科獨立編制的列表與此高度重疊，這是有用的部分——兩種方法匯聚：深入探討、強調、展示、至關重要、關鍵、錯綜複雜、一絲不苟、穩健、證明、織錦、景觀、領域、與...一致、培養、獲得、增強、相互作用、充滿活力、持久、值得稱讚。

不要全面替換這些詞。每個都是合法的英文單詞，而禁用詞列表是此領域中所有其他工具的失敗模式。在一個說明某事為何至關重要的句子中出現 至關重要 是沒問題的。信號在於密度和共現：幾個這樣的詞出現在同一個段落中，且沒有實際作用。

這個列表會衰減，並且這種衰減是可測量的。 在某個期刊中，至關重要 從2024年的每萬字5.9個下降到2026年的0.9個，回到了ChatGPT之前的水平，而 深入探討 則幾乎消失了。兩者都是最被廣泛宣傳的標記，而宣傳正是殺死詞彙級痕跡的東西。穩健 則走向了另一個方向，仍在攀升。過剩詞彙會轉移而非消失，因此一個固定的列表會隨著時間推移而在兩個方向上都迅速老化。

請將Kobak的方法視為耐用的部分，並將此列表視為一個快照。在同一時間窗口內，第2層中的結構痕跡保持穩定。如果你只能在文字上關注一個層級，請使用第2層。 數據在 references/sources.md 中。

第4層：貼上時代的產物

模型會輸出的、但人類絕不會手打的字串。如果出現，幾乎可以確定是機器生成的，並且匹配起來非常簡單。

它們在此處的兩個語料庫中的測量結果均為0%，因為它們是網頁介面的引用渲染結果。它們只會在使用者從聊天視窗貼上內容時出現，而AI代理編寫的文字永遠不會這樣做。保留這個檢查，因為它只需要一次掃描，但不要以它為主。

模型	產物字串
ChatGPT	contentReference, oaicite, turn0search0
Gemini	[cite: 1], [span_1](start_span)
Grok	grok_card, grok_render_citation_card_json
DeepSeek	方頭括號 【 】, 零散的短劍符號 †
Perplexity	attached_file, ppl-ai-file-upload

同時檢查：引用URL中遺留的 utm_source=、解析到無關論文的DOI、無效的ISBN，以及已聲明但從未使用的命名參考文獻。

模式找出候選項，而非違規項

這裡的每個模式都是一個尋找器。需閱讀每個匹配結果。

在實際的一篇論文上測量：破折號模式返回了8個結果，其中2個是值得修改的散文。其餘的是三個程式碼註解、一個表格佔位符和兩個數字範圍內的連字符。如果一次檢查更改了全部8個，就會損壞一個表格和三個程式碼範例。

在30篇摘要上進行測量，由一個評審小組對每個匹配結果進行標記：在尋找器匹配的所有結果中，大約一半是真實案例。另一半是恰好匹配的單詞。

第零步中的「跳過檢查」是維持這個比例可行的關鍵。

什麼不是證據

維基百科對此有明確說明，而且這比標記本身更重要。

任何在ChatGPT（2022年11月）之前寫成的文字都不可能是AI生成的，無論它看起來如何。一位能夠連貫解釋其選擇的作者就是作者。不規則的語法是人類模式，而非機器模式。這些標記都不是證據：Kobak等人估計的是一個總體比率，而總體統計數據不能用於對個體進行分類。

不要將此用於……

[為翻譯而截斷]