《经济学人》最近做的一项语料实验给出的答案是：这个判断已经过时了。

一个流传甚广、却越来越不准的”常识”

关于大语言模型的写作癖好，网上流传着一份心照不宣的清单：偏爱长破折号，钟情”delve（深入探究）”和”tapestry（织锦）”这类词，喜欢把世界描述成一幅”丰富的织锦”。

问题在于，靠几个词、几个破折号就下结论，本身站不住脚。仅因为一篇文章出现了”delve”就断定出自机器之手，就像因为文中出现”imprudence（轻率）”便认定作者是简·奥斯汀一样荒谬。波兰格但斯克大学语言学家卡罗琳娜·鲁德尼茨卡（Karolina Rudnicka）指出，并不存在统一的AI文风，正如人类写作本来也不存在单一风格——作家各有各的语言癖好，比如艾米莉·狄金森就极其偏爱长破折号，而AI同样会形成自己的习惯。

更麻烦的是，识别的紧迫性正在上升。据一项统计，互联网上超过三分之一的新网站由AI起草。今年英联邦短篇小说奖的获奖作品甚至被人指称为AI创作，评委还称赞其文风”沉静而权威”，尽管英联邦基金会否认了这一说法。

55940个句子、120万个单词的对照实验

为了找出真正可靠的特征，《经济学人》设计了一项对照实验：让当前主流的四款大模型——OpenAI的ChatGPT、Anthropic的Claude、谷歌的Gemini和xAI的Grok——在不联网检索的前提下改写该刊文章，提示词使用的是其近来试验性附加在部分文章上的AI摘要。

由此得到一份人类与AI写作并存的语料库，共比较分析了55940个句子、120万个单词。为确保识别出的是AI的共性特征而非《经济学人》自身文风，研究还将AI文本与美国有线电视新闻网、《纽约时报》《华盛顿邮报》的报道作了对比，并参考了1950年至2022年间出版的畅销小说片段。

结论是：人机差异不只体现在用词和标点上，也体现在句子结构与段落组织方式上；但这些特征远没有大众想象中那么显眼，部分原因在于随着模型迭代，AI的文风一直在变。

三个更靠谱的新破绽

其一，词汇变”端着”了。 AI已经不那么爱用”delve”和”tapestry”，转而大量堆砌多音节词，例如significant（重要的）、increasingly（越来越）、consequences（后果）。它们比人类更爱用生僻词（如interdependence相互依存、reindustrialisation再工业化）和科学术语（如parameter参数、methodology方法论），也偏好把动词名词化（把expand变成expansion）。所有受测模型都有这种倾向，其中Gemini和Claude尤为明显。这大体就是乔治·奥威尔批评过的”矫饰辞藻”——用复杂词汇包装简单表达，只为显得高深；奥威尔当年就讥讽这类作者笃信”拉丁语和希腊语词汇比盎格鲁-撒克逊词汇更高贵”，而数据显示，AI笔下带拉丁语词尾的单词出现频率确实明显高于人类。

其二，破折号翻案，标点整体变少。 在最新版本中，只有Claude使用长破折号的频率高于人类作者，而ChatGPT用得比这项研究中任何一位写作者都少。真正更可靠的信号是标点总量偏少：模型使用的逗号、分号都少于人类，括号更是几乎不用。原因有二，一是它们爱写长句——”and”是被过度使用得最厉害的词；二是它们很少引用专家原话。

其三，句子长而平，套路化修辞扎堆。 AI的句子普遍偏长，段落里几乎不会突然插入一句短促有力的话，读起来难免乏味。为了制造变化，它们高度依赖几种固定结构：”不是X，而是Y””不仅……而且……”，以及”三项并列法则”。每1000个句子中，ChatGPT和Claude使用这些结构的频率高于其他模型，也高于人类作者。

检测工具能撑多久

依靠算法检测是另一条路。行业领先公司Pangram声称其检测准确率达到99.98%，并已与博客平台Substack合作推出工具。但这类检测器本质上是黑箱，可能误判，且无法解释自己为何得出结论。

更值得警惕的是，AI正在飞快地”改掉”自己的破绽。佛罗里达州立大学的汤米·尤泽克（Tommie Juzek）指出，大语言模型本就基于人类写作训练，并持续通过人类反馈优化：人们喜欢什么它就学什么，不喜欢什么就逐渐舍弃。

一个细节颇能说明问题。不久前，《经济学人》记者向旧版ChatGPT提问”AI是不是过度使用破折号”，得到的回答是：”哈——这个问题问得真好！”如今再问同样的问题，它一本正经地答道：”最好还是谨慎使用。”

所以，眼下若要识别AI写作，最值得留意的不再是某个标志性符号，而是那种平淡、端着、拉丁词源词汇密集的整体质感。但《经济学人》的研究也提醒：每一次模型更新，AI的文字都在离人类更近一步，这道识别题只会越来越难。

来源：《经济学人》（How to spot AI writing）