Skip to content

Rain13Sad/ai-patina / skills/human-voice

human-voice

Verified

references/detector-model.md

View on GitHub
# 检测器怎么工作,以及为什么本技能这么做

不是背景知识,是**判断依据**:决定改到什么程度够、哪些动作无效、怎么跟用户解释。

---

## 一、一句话原理

检测器不读语义,读**可预测性**。它测的是"这段文字有多像模型最可能写出的那一串 token"。

所有技术路线都在量化同一件事。所以"AI 率"是**概率分类结果,不是证据**——这是本技能所有表述的底线。

---

## 二、四层体系(可靠性依次递减)

| 层 | 测什么 | 典型方法 | 本技能能否作用 |
|---|---|---|---|
| **1 主动水印与签名** | 生成时植入的统计信号 | green-list、SynthID-Text、textGrain | **不碰**(法规禁止移除) |
| **2 元数据与过程证据** | 文件字段、修订记录、击键轨迹 | GB 45438-2025 隐式标识、版本历史 | **不碰**。过程证据本质上无法事后补造 |
| **3 零样本概率法** | 困惑度、概率曲率、log-rank、正反向对称性 | DetectGPT、Fast-DetectGPT、Binoculars、DNA-GPT | **部分有效**——改写会改变 token 序列,从而改变这些量 |
| **4 监督分类器与统计特征** | 句长波动、词汇多样性、n-gram 重复、篇章结构 | RoBERTa 精调、StyloAI、XGBoost | **主要战场**。本技能 70% 的动作作用在这一层 |

**推论**:本技能有效,但有效性有天花板。第 1、2 层不因文本变好而改变(也不该试图改变);第 3 层只能被真正的重写削弱,不能被润色削弱。

---

## 三、第 3 层里有一个特例:Binoculars

Binoculars 测的是"正向预测与逆向预测的概率分布差异"。人类文本正反向接近对称,机器文本明显不对称。

**这个不对称源于自回归生成的机制本身,不是表层特征。** 所以:

- 换词、调句长、加口语词——对它基本无效
- 唯一稳定的削弱方式是让文本经过**真正的双向人工处理**:先带着意图写(正向),再以读者视角回读并改(反向)

这就是自检三件套里"倒读测试"和"朗读测试"的由来。它们不是修辞练习——倒着读,是在强制自己做逆向建模。

---

## 四、"AI 率"这个数字是怎么来的

系统把文章切成片段,分别判断每段更接近 AI、人类还是混合,再算整体比例。

所以 **"96% AI" 不等于 "96% 的内容由 AI 写成"**。它的意思是:检测器认为这篇文本具有很强的 AI 生成特征。

由此推出三个必须知道的后果:

1. **修改局部会改变分段边界。** 这就是"第一次没标红、第二次没改的原文这次被标红了"的技术原因。
2. **同一段文字单独测和放在全文里测,分数不同。**(《自然》测试结论)
3. **结果不可复现。** 优化一个噪声信号等于过拟合。

**所以本技能从不承诺分数,也不对着分数迭代。** 用户要求"降到 X% 以下",回应方式见 SKILL.md 第一节。

---

## 五、为什么"越改越高"

真实案例:论文 AI 率 62%,输入"帮我把这篇论文改得像人写的",改完 94%。另一个:改了四次、扩写标红段落、改了一晚上,15% → 19%。

三个机制:

1. **用 AI 改写会叠加 AI 特征,而不是消除。** 模型输出的仍是模型分布里的样本:表层更随机,深层组织习惯(总分总、分点、升华、均衡用词)原样保留。表面更"随意",统计指纹更"AI"。
2. **分段判定导致比例漂移**(见上节第 1 点)。
3. **检测结果本身不稳定**(见上节第 2、3 点)。

**这是本技能禁止"让模型改得像人写的"的实证依据。**

---

## 六、长度门槛

| 长度 | 可靠性 |
|---|---|
| <300 字 | 任何统计方法都不可靠,只做参考 |
| 300–1000 字 | 可看出趋势,阈值判断会抖 |
| >1000 字 | 超过主流检测器最低要求(OpenAI 检测器 ≥1000 字符,Turnitin ≥300 词) |

短文本还有一个反向特性:水印信号需要几百个 token 才能稳定累积。文本越短,第 1 层越不可靠——但这不构成"写短一点"的理由,因为第 4 层在短文本上同样不可靠。

---

## 七、误判方向:人会被告成 AI

必须知道,因为用户可能就是受害者:

- **文风严谨的写作者**——逻辑严密、句法干净,因"缺乏人类写作中常见的困惑度"反而容易被判 AI
- **非母语写作者**——尤其是先用 AI 翻译/润色过的,更容易被判 AI
- **独立测试的假阳性**:Turnitin 宣称文档级 <1%,但部分样本实测可达 50%
- **真实代价**:作家米娅·巴拉德的小说《她女孩》被判 78% AI 生成,作者否认,出版商 Hachette 取消美国出版计划
- **中文更难**:中文表达方式丰富,检测系统在判断人类语句时歧义更多,误判率更高

**这解释了本技能的正当性边界**:为被误判的人恢复其真实的文风,是正当的;为规避原创性审查而伪装,不是。

---

## 八、改到什么程度够

按证据强度排序,只列**合法且有效**的部分:

| 手段 | 有效性 | 成本 | 本技能对应 |
|---|---|---|---|
| 深度人工重写(重写论证,非润色) | 最高——同时偏离所有判据 | 高 | A 组动作 M1–M6 |
| 分布外风格(不寻常的语域、句法) | 很高——推出检测器知识边界 | 中 | 模式 C 的文风校准 |
| 清除格式与结构痕迹 | 中——因果明确,不是统计噪声 | 低 | S4 清扫 |
| 同义词替换 / 回译 | 低——对监督分类器基本无效 | 低 | **不做** |
| 痕迹层清理(元数据、水印) | — | — | **不做,法规禁止** |

**判断"够不够"的实用标准**,不用看分数:

1. 脚本的六项指标全部通过(SKILL.md 第七节)
2. 倒读时没有一句话"只是为了承接上一句"
3. 删掉任何一段,文章会缺东西
4. 把专名和数字换成假的,文章会失真

四条都成立,就已经做到文本层能做到的极限了。剩下的属于第 2 层(过程证据),任何改写手段都无效——所以正确做法不是继续改,而是**保留过程材料**。

---

## 九、一句话给用户

> 检测器是筛查工具,是指南针,不是判决书。

这句话对攻防双方同时成立:对检测方,分数不能作为处分依据;对写作者,"过了检测"也不等于"没问题"——事实核查、原创性审查、过程证据,任何一层都可能让伪装失效。

**本技能做的事,是让文本真的值得被读。AI 率下降是它的副产品。**
slack-gif-creatoranthropics/skillsKnowledge and utilities for creating animated GIFs optimized for Slack. Provides constraints, validation tools, and animation concepts. Use when users request animated GIFs for Slack like "make me a GIF of X doing Y for Slack."Stars: 198kUpdated Claude CodeCodexVerifiedInstall
ponytailDietrichGebert/ponytailLazy senior dev mode for any coding task: the smallest change that fully solves it, and a reply a busy human understands in one read.Stars: 194kUpdated Claude CodeCodexVerifiedInstall
ponytail-debtDietrichGebert/ponytailHarvest every shortcut: comment into one debt ledger, so deferrals get tracked instead of forgotten. One-shot report.Stars: 194kUpdated Claude CodeCodexVerifiedInstall
ponytail-debtDietrichGebert/ponytailList every `shortcut:` comment (and older `ponytail:` ones) as a debt ledger. One-shot report, changes nothing. Use for "ponytail debt", "what did ponytail defer", "list the shortcuts", /ponytail-debt.Stars: 194kUpdated Claude CodeCodexVerifiedInstall