ACL 2025 研究:盲测分不出 AI 文本,贴标签后人类偏好骤变超 30%
ipeirotis · x · 2026-09-10
Zhu 等人在 ACL 2025 Findings 发表的论文通过文本改写、新闻摘要、说服性写作三个实验，考察人类对 AI/人类生成内容的判断偏差：
- 盲测分不出：评分者无法区分 AI 与人类文本。
- 标签决定偏好：一旦贴上标签，评分者对标注为「人类生成」的内容偏好高出 30% 以上。
- 标签对调仍成立：把同一批文本的标签故意对调，偏好模式完全跟着标签走——说明人们评价的不是文本本身，而是标签。
作者指出这种反 AI 偏见系统性低估了 AI 的实际表现，对 Human-AI 协作尤其在创意领域的设计有直接启示。
所属事件:研究显示盲测分不清AI文本，贴上AI标签后人类偏好骤降(2 条相关)→
「研究」频道最新
- 仅 4B 参数纯 RL 训练,FrogNano 声称达成仓库级编程能力 — burkov · 2026-09-10
- 用 GPT-6 Astra 一天复刻斯坦福机器人实验室 3D 交互网页 — OfirPress · 2026-09-10
- VisionCoach:用 RL 奖励正确视觉注意力,刷新视频推理零样本成绩 — mohitban47 · 2026-09-10
- Goodfire:用探针『读心』检测模型攻击意图与奖励作弊 — leland_mcinnes · 2026-09-10
- 开发者用数百个 AI Agent 并行攻关,瞄准 1 型糖尿病治愈 — Scobleizer · 2026-09-10
- UCL 剑桥牛津等联合成立 SOFAIR,主打「Science for AI」路线 — latticecut · 2026-09-10