AI 文风常被长句、名词化和过度使用 and 暴露
Afinetheorem · x · 2026-08-04
这条帖子把“AI 文风识别”拆成了可操作的规则，并进一步指出：这些规则本身可以变成实验室的评测目标。
图片和引用里总结出的主要特征包括：
- 句子更长、标点更少，and 过度使用
- 喜欢列三项，进一步抬高 and 的频率
- 偏爱多音节形容词，比如“significant”“increasingly”
- 常用科学/技术术语，如“rate-limiting”“parameter”
- 爱把动词名词化，比如把“expand”写成“expansion”
- 常见句式是“不是 X，而是 Y”
配图里的写作规则更系统：按时间顺序组织信息、尽量短句、把动作发出者放在主语位置、减少名词化、少用“to be”结构、追求简单清晰。帖子的重点不是单纯吐槽文风，而是建议 labs 可以把这套规则做成 eval 来训练或识别 AI 文本。
「研究」频道最新
- 论文照片显示《Fundamental Limits of Caching》发表在 IEEE 信息论汇刊 — cneuralnetwork · 2026-08-04
- ARC Prize 团队称其 CUDA C 方案已比基线快一个数量级 — GregKamradt · 2026-08-04
- Stanford 研究用历史任务校正合成数据偏差 — arena · 2026-08-04
- Wayve 称 GAIA-4 世界模型已可用于大规模机器人仿真 — alexgkendall · 2026-08-04
- NVIDIA 开源 NOOA：把 AI agent 写成 Python 对象 — Roger_M_Taylor · 2026-08-04
- Light Origins 人形机器人演示自主切换走、爬、跨越 — Distinct-Question-16 · 2026-08-04