🎙️ 283 万字的称量结果：你以为的"AI 味"，大部分都称反了

写作圈流传着一张判别清单，列着十几条"一看就是 AI 写的"标志：破折号太多、比喻太多、总在自问自答、句子长短太均匀。这张清单在社交媒体上反复传播，快要变成常识了。

可是从来没有人拿秤称过。

GitHub 上的开源项目 lieflat-less-ai-tone 做了这件事。研究者把 629 篇文章（生成侧 300 篇，覆盖 Claude、DeepSeek、Gemini、GPT、Kimi 五个模型；人类侧 329 篇）堆在一起，总计 2,826,972 个汉字、95,551 个句子、45,721 个段落，逐项称量那张流行清单上的 26 个条目。

称出来的数据推翻了清单里的大部分条目。

1. 称反了的那些条目

先看三组被推翻的数据。

比喻。 人类作家每千字使用比喻标记的频率是生成文本的 2.4 倍，以比喻独立起段的频率是 8 倍。流行清单认定"AI 爱用比喻包装概念"，实测方向相反。差异在于喻体选择：生成文本偏好"像一位智慧的导师""一个永不疲倦的审查员"这类理想化职业人设（\(R = 7.3\)）；人类更常写"像一个老师傅""像人脉很广的医生朋友"。前者在抒情，后者在说明。

设问。 人类正文中的设问句频率是生成文本的 17 倍。按"删掉设问"这条流行建议改写文章，会把文章推得离人类写作更远。

句长均匀度。 研究初期的确测出过"AI 句长均匀度为人类 51 倍"这个数字。后来查到原因：断句程序没有过滤 Markdown 表格和无句末标点的列表项，导致某组句长标准差被算成了均值的 27 倍。修正切分程序后重新测算，比值是 0.87——两边没有差异。

频率比 \(R\)：生成文本中某特征的出现频率除以人类文本中的出现频率。\(R \ge 2.0\) 说明 AI 明显更高；\(R < 0.8\) 说明人类更高。

2. 真正称出差异的 11 项特征

26 项里通过检验的有 11 项，集中在篇章结构和句法层面。以下是区分力排前几位的。

段首零回指评论（\(R = 4.4\)，区分力最高）。 新段开头直接写"值得注意的是""听起来像一条功能描述"，不交代在评论什么，读者必须翻回上一段去找。段首衔接词的总密度两侧几乎一样（人类 15.1%，AI 14.4%），差异只在评论句省掉了回指对象。补一个"这"字就能修复。

冒号引出空转列表（\(R = 9.4\)）。 一句话不含任何信息，只用来宣布"下面有个列表"，以冒号结尾，紧接着就是编号或列表项。人类侧各组都接近零。

拟人化虚妄喻体（\(R = 7.3\)）。 把工具比作"一位智慧的导师""贴身的数字秘书"，喻体后面通常跟着一串褒义修饰。比喻本身不是问题（人类用得更多），有问题的只是这一类悬浮人设。

对举结构（\(R = 3.4\)）。 "不是 A 而是 B""并非……而是……"——在没有矛盾需要修正的地方强行制造翻转。

具体数字密度（\(R = 0.35\)，反向）。 人类文本中数字出现密度是 AI 的近 3 倍。AI 爱写"显著提升""大幅优化"，人类更常给出确切数值。

段首零回指评论：在新段落开头直接输出主观评价，但省略了代词（如"这项设计""这一现象"），导致评价对象不明，读者被迫回溯猜测。

3. 同一特征在不同模型上差了 47 倍

破折号使用频率，DeepSeek 每千字 5.16 次，Claude 4.25 次，GPT 只有 0.11 次。极差接近 47 倍。

提示性冒号最高的是 DeepSeek 和 Claude，问句小标题最高的是 Gemini，对举结构最高的是 GPT。基于单一模型样本总结出的规律换个模型就不成立，研究初期有多项误判就来自样本量太小。

这组数据说明一件事：不存在统一的"AI 文风"。用某个模型的怪癖去套所有文本，规则很快就会失效。

4. 从统计到执行：改写只动 11 项，其余逐字保留

研究者把 11 项通过检验的特征转写成了可执行的改写规则（发布为 SKILL.md），同时设了三道硬约束。

白名单原则。 只处理清单内的 11 项。没有命中任何规则的句子逐字保留，标题层级、段落顺序、列表结构不动。

信息守恒。 改写后每个实词必须能在原文里指出出处。不能新增姓名、数字、日期、因果，也不能删掉原文的限定词（"可能""通常""据说"）。把"可能提升"改成"提升"属于篡改判断强度。

排除主观语义判断。 比喻贴不贴切、设问有没有必要、并列案例算不算堆砌——这三类判断依赖语义理解，无法转写成可执行算子。写进规则只会诱导执行者按主观语感乱改，一律不做处理。

5. 六次翻车记录

研究报告里列出了六次测量失误，全部是正则算子的匹配范围比规则定义宽。

比较典型的一次：初期测过长前置定语频率是 3.04/千字，看起来差异很大。检查命中实例后发现算子把普通短句也纳入了，修正后降到 0.35。另一次：比喻标记算子用了 11 个固定词项的查找表，实际比喻表达全不在表内，初期测出 0.000，修正后 \(R = 0.42\)（人类更高）。

六项里有四项如果没修正，会直接写进规则集，其中两项方向相反——按错误规则改写的文章，会比改写前更像 AI。

📚 考据与开源档案

1. 开源项目：

   • 名称：Lieflat Less AI Tone（去AI味.skill）
   • 作者：Larashero & Moxt 开源社区（2026）
   • 仓库：github.com/larashero3-dotcom/lieflat-less-ai-tone
   • 语料规模：629 篇文章，2,826,972 汉字，95,551 句，45,721 段
   • 覆盖模型：Claude claude-opus-4-6、DeepSeek deepseek-v4-pro、Gemini gemini-3.1-pro、GPT gpt-5.6-sol、Kimi kimi-k3
   • 核心结论：26 项候选特征中 11 项通过检验，15 项无区分力（其中比喻、设问方向与流行认知相反）

2. 语料库语言学基础文献：

   • Biber, D. (1988). Variation across speech and writing. Cambridge University Press.
   • 创立了多维度-多特征语料库计量框架，为机器生成文本与人类文本的篇章特征差异分析奠定了方法论基础。

#去AI味 #语料库语言学 #文本分析 #大语言模型 #写作 #智柴系统实验室🎙️ #智柴