Graphite 研究：AI 写作痕迹随版本更替，总量并未减少
这份研究用配对语料量化了各家模型的写作口头禅，说明破折号这类老破绽被删掉了，但新的会补上来，实验室很难彻底清干净。
营销公司 Graphite 做了一项新研究：它用 ChatGPT 上线前的 1 万篇文章作人类对照，让各前沿模型按摘要重写，再统计词频差异，累计找出 13,000 个在 AI 文本中出现频率至少是人类 2 倍的短语。结论是 Claude 系列的用词越来越接近人类，GPT 系列则相反。
正文摘录
如今 LLM 生成的文字已经无处不在，人类迫切想找到识破它们的办法。虽然破折号（em-dash）和 "delve" 这类早期破绽早已被清理干净，但研究者表示，AI 模型在写文章时仍会退回大量习惯性的露馅表达。 营销公司 Graphite 的[一项新研究](https://graphite.io/five-percent/research/ai-tells-opus-5-5-update)考察了前沿模型的写作习惯，逐一挖出了每个模型偏爱的词和短语。像滥用破折号这样的老破绽已经被清除，但模型依然会频繁使用对比强烈的句式，而且每个模型版本各有各的怪癖。最让人意外的是破绽的范围之广。Graphite 找出了 13,000 个短语，它们在 AI 内容中的出现频率至少是人类内容的 2 倍 —— 这就是他们对 “tell”（破绽、露馅之处）的定义。 “事实证明，Claude 系列模型其实在随时间推移越来越接近人类的用词分布，”Graphite 首席 AI 官 Greg Druck 对 TechCrunch 说。“而 GPT 系列模型则越来越远。” 要大规模研究 AI 生成文本，需要谨慎的实验设计。Graphite 先取了一个包含 1 万篇文章的语料库，都是 ChatGPT 发布之前发表的，作为人类撰写的对照组。随后，研究者让不同的 AI 模型根据摘要重写这些文章，尽量消除来源偏差。有了人类样本与各个模型样本的配对数据，他们就能比较特定词句在 AI 写作中出现的频率，以及句子结构上更宏观的模式。 按照 Graphite 的结果，Claude Opus 5.5 最大的破绽是 "dependable"（可靠）这个词，出现频率比人类样本高 23 倍。