维基百科公开“AI 写作识别指南”

维基百科编辑团队首次对外发布其内部使用的《AI写作识别指南》，系统揭示大语言模型（LLM）在撰写文本时留下的典型“行为特征”，为公众提供了一套具备实操性和依据性的AI内容辨别方法。

自2023年启动“AI清理计划”（Project AI Cleanup）以来，维基百科的志愿者每天需审核数百万次编辑请求，在此过程中积累了大量由AI生成的文本样本。他们发现，现有的自动化检测工具准确率极低，真正有效的识别方式，仍依赖于对语言风格与逻辑结构的细致分析。

What-the-Diff

检查请求差异，自动生成更改描述

下载

• 空泛的价值渲染 AI倾向于使用笼统表述来强调主题的重要性，例如“这是一个关键转折点”“具有深远意义”，但往往缺少具体事实或数据支撑。这种“强行拔高”的写法，在人类编写的百科条目中几乎不会出现。
• 堆砌非权威媒体报道 为了证明某人物或事件“具备收录价值”，AI常罗列大量来自小型博客、地方电台或低影响力平台的报道，模仿简历式列举，而非引用独立、可靠的主流信源。
• 滥用“现在分词”句式收尾 文中频繁出现“强调……的意义”“体现……的现实关联性”等以现在分词引导的结尾结构，看似深化分析，实则重复无实质信息的内容。有编辑指出：“一旦你察觉到这个模式，就再也无法忽视它。”
• 充斥广告化修饰语 AI偏好使用“如诗如画”“气势恢宏”“简约现代”等带有营销色彩的形容词，整体语气更像是旅游宣传片或房产广告，违背了百科全书应有的客观与中立语调。
• 形式工整但缺乏思想深度 段落结构看似条理清晰、层层推进，实则多为同义反复，缺少真正的洞察力、批判性思考或个性化的叙述视角。

维基团队分析认为，这些“语言痕迹”根植于AI的训练机制：模型通过学习互联网上的海量文本模仿人类写作，而网络内容本身充斥着自我宣传、SEO优化和模板化生产。因此，AI不可避免地继承了这些“数字写作通病”。即便未来技术持续演进，只要训练数据未发生根本改变，此类模式仍将长期存在。

源码地址：点击下载

感谢您的来访，获取更多精彩文章请收藏本站。