《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
- 第 1 章 · 句长是旧指纹:从尤尔、威廉斯到 Delta
第一至六章依次讲句长指纹与对数正态、突发度与顺序量、检测器的贝叶斯账与偏差、套话密度的泊松检验与群体超额词汇、三元连发与压缩冗余、只动句读的动态规划与真实细节账本:合成草稿只改 5 处句读,变异系数就从 0.123 升到 0.546,而字词一个不动。 - 第 2 章 · 突发度、自相关与短句占比:节律藏在顺序里
突发度指数原本刻画事件间隔,用在句长上只是变异系数的另一种刻度。p23 证明,同一组长度换三种顺序,变异系数与 B 纹丝不动,自相关却从 0.703 变到 -0.292,平板对从 0.818 变到零。呼吸感一半在分布,一半在顺序。p22 则提醒我们,十句话的稿子里,这些数字的抽样噪声大到几乎没有信息,判定至少要二十句,顺序量要更多。 - 第 3 章 · 检测器为什么不能当证据:误报、偏差与人眼近随机
检测器不可靠,这是已发表研究反复给出的结论。p31 说明,即便排序能力看上去不错,基础比例低时被标记的稿子大半是冤枉的;p32 说明,同一个阈值落在词汇面较窄的写作者身上,误报率可以翻十倍以上;p33 说明,人眼判别要几百次才能和随机区分开。 - 第 4 章 · 套话密度与超额词汇:泊松尾概率与群体下界
套话的问题在密度,不在某个词。p41 给出每千字频次的算法,p42 说明短稿子的密度即使是基线三倍,也常常达不到统计显著,判红门槛必须随长度变化。p43 重演了科巴克等人的超额词汇思路:比值适合稀有词,差值适合常用词,差值给出的是群体下界,拆不回任何一篇稿子。 - 第 5 章 · 三元排比与冗余:正则计数、连发长度与压缩比
三元排比不是机器的发明,也不是毛病本身。p51 把它拆成两个量:每千字频次与最长连发;短文本的频次很容易被一处列举拉高,连发长度更接近读者对「机械」的感受。p52 把视野放宽到句框层面的重复:句子字面全不相同,词三元组重复率仍可以很高;压缩比与重复率都是冗余指标,不是作者指标,而且只对足够长的稿子有意义。 - 第 6 章 · 节律重构:只动句读的动态规划与具身细节账本
改稿的第一条约束是事实不动。p61 用手写的编辑距离把这条约束变成可检验的量:内容距离为零,才算纯节律修改;不为零,就要核对进出的字词。p62 用动态规划在这条约束下找改动最少的方案,草稿的变异系数从 0.123 升到 0.546 只需 5 处改动;同时暴露出目标函数会把对比推到极致的问题。p63 给细节建账,数字与专名必须有记录,感官词交人工确认。 - 第 7 章 · 原典考辨:韩愈论气与言、刘勰论四六、亚里士多德论节奏、朗吉努斯论和谐
韩愈的「言之短长」、刘勰的「四字六字」、亚里士多德的「既非格律亦非无节奏」、朗吉努斯的「和谐与思想并重」,都在说同一件事:节律是内容的一部分。p71 显示,刘勰论句法的那一句整齐到变异系数只有 0.096,韩愈那一句则是两字与十二字的强烈对比;p72 显示,一篇名作的高变异系数可以只来自一个长句,抽样区间宽到不能当标准用。原典给了方向,没有给数值;数值要从台账里来。 - 第 8 章 · 实战工具与检查器规格:文气节律台账、预注册检验与推翻条件
第八章给出蒸馏小工具「文气节律与套话密度检查器」、按四件套分组的检查规格表、文气节律台账与预注册检验,配对盲测在选择率 0.60 时需要 153 次判断。本书是写作工艺书:5D Library 书库各卷如实标注 AI 辅助,本书工具用于提高读者体验,不得用于在须披露的场合隐去机器参与;具身细节必须真实。书中以标注框区分已发表的证据、可运行的 Python 计算(21 段程序)、原典与作者的假说。
模型示意算例,非实时报价