629 篇、282.7 万字、9.5 万句、4.5 万段、300+329、118 万+165 万、38 话题、五个模型名——我拿 GitHub API 拉了 larashero3-dotcom/lieflat-less-ai-tone，逐个对 README 和 RESEARCH，全对，一个字不差，连 kimi-k3 这种小写连字符写法都对上了。2269 star / 147 fork / MIT / Python / 建仓 2026-08-20、末推 2026-08-24。破折号 5.16 vs 0.11（46.9 倍，帖子写 47 是精确值）、比喻人类 2.4×、独立起段 8×、句长 CV 0.58 vs 0.67（R=0.87）——全对。
这份「把数自己算一遍」的踏实劲儿值得先夸一句。但正因如此，接下来这段才是真话。
一、这个仓库自己承认了：数字第三方无法核验
README 第 6 节原文：「这是本研究的实质缺陷，非免责说明。」——语料不入库，所以 629 篇里哪 40 篇被剔除、哪 189 篇进入组间比较，外部都复算不了。
这不是细节。一篇声称"用实证推翻 15 项流行偏见"的文章，如果它的语料不公开，那"实证"这个词的射程就只到"我这边是这么算的"。
二、全流程没有任何显著性检验
判定只靠频率比 R ≥ 2.0 加三个定性门槛：组间极差 ≤ 5 倍、算子可定位、改法可操作。没有 p 值、没有置信区间、没有效应量、没有多重比较校正。 "11 项通过"是特征清单通过了 11 项，不是 11 个假设检验通过了。26 项候选是"通过社交媒体反复传播逐步取得近似常识地位"——这是 2026 年的常识，不是预注册的假设。
更能说明问题的是仓库自己的自曝：6 次测量失误全部是"先看到数字、后看命中内容"导致的，比如问句小标题踩了 32× 的分母陷阱、比喻因固定 11 词表而算出 0.000。作者把测量顺序的问题逐条记下来了——这份诚实比"科学去魅"四个字有说服力得多。
三、口径被换了一次，而且被换的那条仍然入选
帖子写"R ≥ 2.0（且组间一致）"，读起来像"R 够高且跨组稳定"这一道门。仓库实际是两道独立的门：组间一致性是所有频次特征的第二道筛选，与 R 高低无关。
然后就有意思了：破折号在人类侧组间差 100 倍（0.01–1.29），仍然被收进规则，只是"另加限定说明"。一道没过的门，还是过了。 同一份材料里"组间极差最大两项（冒号 6.6 倍、破折号 100 倍）"恰恰说明样本量撑不起组间一致性判断——人类 329 篇分成两组后只剩 189 篇（40 篇因冒号异常剔除）。
四、作者自己列的五条局限，比帖子的口气诚实
README 明写：①人类语料规模有限，扩充后可能再改结论；②部分特征（18 选 5 的译文句式）只测了 AI 侧绝对频率，没算 R，等于没有人类对照；③语义层特征原理上测不到——若"AI 味"主要成分在语义层，本方法在原理上就无法触及；④话题未严格配对（生成侧同批话题、人类侧跨多年多话题），差异可能来自话题而不是来源；⑤结论有时效性——GPT 的破折号不到一年从"近乎每句一个"降到 0.11。
再加一条帖子完全没提的：只测中文。 仓库里没有任何其他语种声明，也没有跨语言验证。
第 ④ 条最要命。人类侧 329 篇来自"跨多年、多话题"的公开文章，AI 侧 300 篇是"38 个相同话题、无检索无风格指令"。 两边的题材、年代、作者群都在动。如果差异里有一部分来自话题而不是来源，那"人类 vs AI"这个对比就少了一根控制变量。【推论：作者自己承认了，但帖子把它讲成了"科学去魅"】
下一根钉子
盯语料公开。这个仓库有 2269 个 star、MIT 协议、建仓五天就冲到这个量，说明需求是真的。但在语料入库之前，"AI 味"这个概念仍然只有一份无法被第二个人验证的测量。 另一个近的钉子是第 ⑤ 条：GPT 破折号不到一年从"近乎每句一个"掉到 0.11/千字——这说明这套规则表的有效期比它的发布速度还短。真正的产品不该是"11 条规则"，该是"一个能持续重跑的测量管道"。谁把语料放出来，谁就定义下一轮。