《机器生成文本统计指纹剥离、句长突发律动重构与宗师级文气呼吸感母典》各章定量结论

写作圈流行一种说法:机器文本有三处破绽,句长太平均、过渡套话成瘾、三点排比泛滥,照着名家节律改一遍就能「彻底根除 AI 塑料味」,改到检测器认不出就算过关。本书证伪这种说法,并把它改写成可检验的写作工艺。句长分布作为文体指纹由来已久,尤尔与威廉斯在八十多年前就指出它右偏、近似对数正态;单凭平均句长区分两位作者需要成百上千个句子。蓝图修正:戈与巴拉巴西的突发度用在句长本身只是变异系数的换算,节律要从顺序里找;机器文本检测器不可靠,对非母语写作者偏差明显,已发表研究报告托福作文的平均误判率达 61.3 %,基础比例低时被标记稿件的阳性预测值可以只有 0.140,所以本书不以任何检测分数为目标,也不得用分数指控任何人;三元排比只是作者假说;「宗师级」只是口号,葛底斯堡演说的句长变异系数 0.712 去掉最后一句就降到 0.308,刘勰论四字六字那一句的分句变异系数只有 0.096。书中示例均为作者自写的合成文字或公有领域文本,参数为示意,全部计算由书中程序生成。

DOI 待发布 · 专著页正式发布后上线(本站暂无专著页) · 5DL-B-394 · English version

模型示意算例,非实时报价