AI写的文章，为什么一眼就能认出来

一篇稿子，第一句是「在当今快速变化的时代」，第二段开头「值得注意的是」，最后一段「总的来说」。你没读完就知道是谁写的了。这种直觉其实有研究撑着：经常用 ChatGPT 写东西的人，判断一篇文章是不是 AI 写的，五个人投票，300 篇只错了 1 篇。认出来不难。难的是弄明白它为什么长成这样，以及自己写的时候怎么躲开。

人真的认得出来吗

认得出来，但得是常用 AI 的人。Jenna Russell、Marzena Karpinska 和 Mohit Iyyer 在 ACL 2025 上发了一篇论文，拿 300 篇英文非虚构文章做测试，一部分人写，一部分用 GPT-4o、Claude、o1 生成。找来五个平时经常用大模型写东西的人，各自判断，再按多数票算。300 篇里只判错 1 篇。

这五个人的多数票，比大多数商用和开源的 AI 检测工具都准。文章被改写过、被所谓「人性化」处理过，也一样。

他们靠什么认？论文说，主要靠词，作者管这叫「AI 词汇」。再往上，是更难量化的东西：太正式，没有原创的东西，清楚得过了头。

反过来，检测工具倒容易冤枉人。斯坦福大学 James Zou 团队 2023 年在《Patterns》上发过一篇：7 个常用的检测工具，测 91 篇真人写的托福作文，平均有 61.22% 被判成 AI 写的。91 篇里 89 篇至少被一个工具判成 AI。美国八年级学生的作文，几乎没被误判。

原因不复杂。母语不是英语的人，用词更常见、句式更规整，正好撞上检测工具认定的「机器特征」。中国人、日本人写的英文被判成 AI，很可能跟用没用 AI 无关，只是写得太规矩。拿检测工具去筛外籍员工或候选人的英文材料，我估计最先被冤枉的，就是这些认真写的人。

最先露馅的是词

词这一层，有一个很硬的数字。Dmitry Kobak 等人分析了 PubMed 收录的 1,500 多万篇生物医学论文摘要（2010 到 2024 年），看哪些词在 2024 年突然多出来。他们估计，2024 年的摘要里至少 13.5% 经过大模型处理，按学科、国家和期刊分开看，有的子集到了四成。论文 2025 年发在《Science Advances》上。

多出来的词很有意思。以前每年突然冒出来的词，大多是名词，跟当年的内容有关，比如疫情期间的 masks（口罩）。2024 年不一样，454 个超额词里 379 个是文风词，三分之二是动词。delves（深入探讨）的出现频率是按此前趋势推算的 28.0 倍，underscores（凸显）13.8 倍，showcasing（展示）10.7 倍。

2024 年论文摘要里突然多出来的词，八成多是文风词

口径：PubMed 收录的 1,500 多万篇生物医学论文摘要（2010–2024 年）。倍数＝2024 年实际频率 ÷ 按此前趋势推算的预期频率。出处：Kobak 等（2025），《Science Advances》

超额倍数　较少见的词

• delves深入探讨
  28.0倍
• underscores凸显
  13.8倍
• showcasing展示
  10.7倍

2024 年的 454 个超额词　按词的性质分

• 文风词动词占三分之二
  379个
• 内容词与研究主题有关
  75个

朱红＝文风词，跟论文写的是什么无关

多出来的是腔调，要说的内容并没有变多。

中文的 AI 腔长什么样

英文有 delve，中文也有自己的一套。下面几种最常见，没有研究统计，算个人观察。

开头先铺背景。「在数字化转型的浪潮下」「随着……的不断发展」。读者要的是事，它先念一段背景。

过渡词当拐杖用。「值得注意的是」「总的来说」「由此可见」。真正的转折一句话就够，它每段都要垫一下。

句式对仗、排比、四字词叠在一起。「降本增效、提质赋能」。说一遍听着有气势，第二段还这么写，就像在念口号。

每段最后一句是金句。段落本来在讲事，最后硬要拔高一下。

还有那个最典型的翻转句：「不是 X，而是 Y」。先竖个靶子再打倒，一篇用一次是修辞，用五次就是模板。

这些毛病里，任何一个单拿出来，人也会犯。AI 的问题是它们同时出现，而且出现得很均匀。每段长度差不多，每节结构一样，像是同一个模具倒出来的。

它为什么会写成这样

我的理解是两层原因，前一层是常识，后一层有研究。

第一层，大模型做的事，本质上是预测下一个最可能出现的词。最可能的词，就是大家都用的词。最可能的结构，就是写作课上教的那种结构。把所有人的写法平均一下，得到的就是一个谁都不像的人。

第二层是训练后期的调教。模型上线前，要经过人类反馈强化学习（RLHF），让它的回答更符合人的偏好。Robert Kirk 等人 2024 年在 ICLR 上发表的研究发现，经过 RLHF 的模型，输出的多样性比只做监督微调的模型明显下降。回答更稳了，也更像彼此了。

再往下是我的猜测。给回答打分的人，大概更容易给结构清楚、观点平衡、有总结的回答打高分。这种偏好被一轮轮放大，最后就是你看到的那个永远在「总的来说」的写法。

改词没用，缺的是具体

把「值得注意的是」删掉，文章还是一眼能认出来。词只是最表层的那一下。

真正露馅的，是没有具体的东西。没有哪个人、哪一年、哪家公司、多少钱。没有一个只有作者本人才知道的细节。也没有犹豫，每句话都一样笃定。用 AI 整理面试记录那篇里说过，AI 摘要的毛病是写得太顺，把「我们做了」顺手写成「他主导了」。写文章也是这个毛病。

所以对写东西的人来说，AI 拉平的是表达这一层。还值钱的，是你自己算过的数，和你自己看错过的事。AI 之后，哪一层先贬值那篇讲的是人的能力，放到写作上也成立。

老板收到一份市场分析，也可以这么看：里面有没有一个数是写的人自己算出来的，有没有一句话是他亲眼见过才写得出的。两样都没有，这份东西就只值 AI 的价钱。

---