部落格:讀 AI 生成文字速度至少慢三分之一,風格與精度雙雙流失
一位作者在部落格中稱,自己閱讀 AI 生成文字的速度至少慢三分之一,即便篇幅相同。他把原因歸為兩點:AI 會平均化寫作風格,讀者難以感知作者本人及其語境;AI 為把文字拼接通順必須自行假設,傾向選擇更模糊的措辭,從而損失精度。他還指出多數模型輸出囉嗦,讀者需自行替換含糊詞,寫作者省下的時間會轉嫁到讀者一側,並帶來更多追問、更多迭代與信任下降。
依意思最接近的 30 筆
一位作者在部落格中稱,自己閱讀 AI 生成文字的速度至少慢三分之一,即便篇幅相同。他把原因歸為兩點:AI 會平均化寫作風格,讀者難以感知作者本人及其語境;AI 為把文字拼接通順必須自行假設,傾向選擇更模糊的措辭,從而損失精度。他還指出多數模型輸出囉嗦,讀者需自行替換含糊詞,寫作者省下的時間會轉嫁到讀者一側,並帶來更多追問、更多迭代與信任下降。
OpenAI 表示,文字水印用於回答一個問題:這段文字是否很可能由其模型生成。水印在生成時嵌入不可見的統計訊號,檢測器可據此識別,不會新增可見標記或特殊字元。它無法說明原作者或版權歸屬,也不能識別個人、組織、帳號、對話或提示詞。OpenAI 稱測試中水印未影響模型能力、速度以及回答的閱讀感受。
arXiv 新論文用心理語言學特徵分析 AI 生成文字,發現九個前沿與準前沿模型都比人類寫作更常用無生命主語搭配有生命動詞、更多低頻 n-gram,多數模型在對話中還使用更長依存、更多名詞堆疊和縮減關係從句,且不同模型家族差異明顯。作者提出的解釋是:人類語言為溝通最佳化,而 AI 文字越來越為數學、程式碼與推理最佳化,追求資訊密度;用長度懲罰微調模型的初步實驗復現了這種偏離人類語言習慣的現象。
斯坦福大學與 Together AI 提出 Next-Concept Modeling(NCM),借鑑 NeurIPS 2024 最佳論文 VAR 的下一尺度預測,讓模型先並行寫出概念大綱、再逐層填充細節,形成不同於自迴歸與擴散的第三種文字生成範式。單塊 H100 上,XSum 摘要在 ROUGE-L 相當的情況下速度約為強擴散基線的 31 倍,LM1B 無條件生成約 21 倍,OpenWebText 約 10 倍,訓練 token 用量分別少 4.9 倍和 4 倍。
Google DeepMind 宣布 SynthID Detector 現已向所有人開放,可用來判斷網上內容是否由 AI 生成。該工具除 Google AI 外,還支援檢測 OpenAI、NVIDIA、Kakao 等行業夥伴工具生成的內容,Apple 即將加入。使用者可通過 synthid.com 試用。
Google DeepMind 發布一期播客,討論 AI 生成內容日益逼真後如何驗證內容來自人類、機器還是自然。節目介紹內容溯源的作用,並講解不可感知水印如何保護數字媒體與生物設計,時間軸涵蓋水印概念、SynthID、影像與影片、SynthID Bio 及未來韌性等章節。
維基百科的志願者專案 WikiProject AI Cleanup 估計,2026 年初約 15% 到 16% 的新條目與草稿被檢測工具 Pangram 標記為 AI 生成,低於 2025 年底的約 20%。英文維基百科已禁止用大模型生成條目,但假引用仍是主要問題:AI 更常找到真實來源卻曲解其內容,而非完全編造。Claude 等模型有時會援引維基百科政策拒絕撰寫條目,維基媒體基金會也在開發可標記聊天機器人貼上文字的 Paste Check。
一篇 10 月 10 日發布的評論文章認為,當前前沿生成式 AI 仍只是被高度增強的隨機鸚鵡,無法具備智慧判斷,因此應拒絕「AI」這一命名及其被兜售的敘事。作者從美國視角批評 Anthropic、OpenAI 等公司誇大能力,把「威脅人類」與「必須領先中國」的話術捆綁,用於自我牟利。文章還稱該技術至多是既有風險的加速器,例如病原體研究與威權監控,真正危險來自使用者而非模型本身。
軟體基礎設施部落格 The Consensus 上線自研「AI tells」檢測器,用靜態規則比對 2023 年前後的寫作差異,處於第 99 百分位的文章將失去首頁 At a Glance 板塊、社交媒體和每週 newsletter 的推薦資格。該檢測器不判斷文章是否由 AI 撰寫,只提示讀起來像 AI 寫作,作者稱它偶爾也會誤判自己的文章。讀者仍可在 feed 搜尋中用 aitells<90 過濾,作者也承認規則可被繞過,但認為這反而會促使各家寫出自己的風格。
美國雜誌 Current Affairs 通過新的工會合同,實施出版業最嚴格的反 AI 政策:不刊登任何 AI 生成的文字,也不用 AI 生成插畫作為配圖。主編 Nathan J. Robinson 稱此舉是為抵制媒體用 AI 批次生產「內容」、以極低成本替換寫作者,並援引 Futurism 報導稱創意產業四年間流失逾 20 萬個崗位。他也承認無法保證 AI 投稿完全不會混入,但會保持警惕。
OpenAI 宣布將在歐盟自動為 ChatGPT 生成的文字加水印,其他地區也提供該功能,但預設關閉。這是為遵守 8 月生效的歐盟 AI Act,該法要求 AI 生成內容可被其他工具檢測。OpenAI 的水印方法名為 textGrain,屬專有技術並已發布技術論文:它在用詞中埋入人類難以察覺、也不影響輸出品質的模式,持有金鑰者可用專用檢測器識別。檢測器初期只向有限的研究者與機構開放,其他方需經申請審批逐步加入。
OpenAI 公布應對歐盟 AI 法案的文字溯源方案:全球 API 客戶即日起可為部分模型選擇開啟文字水印(預設關閉),未來幾週將在歐盟的 ChatGPT 與 Codex 文字輸出中加入不可見水印,檢測器僅向獲批研究者與專家組織開放申請。其自研 textGrain 通過統計訊號標記用詞,在 1% 誤報率下對 200 token 段落檢出約 80%、400 token 約 95%,數學等用詞受限內容明顯更低;
Ai2 開源了 AstaBrief 8B,一個把研究問題與檢索文獻片段轉成帶引用報告的模型,基於 Qwen3-8B 訓練,已作為 Asta 的 Fast 模式上線。官方稱 Fast 模式平均 51.1 秒生成一份報告,比 Claude 驅動的 Thinking 模式 178.5 秒快約 3.5 倍。模型權重、訓練資料與範例工作流一併開放,機構可在自有基礎設施上本地生成報告。
Google 週二上線 SynthID 驗證網站,任何人可上傳圖片、影片或音訊,檢查是否為 AI 生成。該工具此前只向部分記者、媒體從業者和研究人員開放測試,現已全面開放,支援 JPG、PNG、HEIC、MP4、MP3、WAV 等十餘種格式。SynthID 自 2023 年推出,Google 的 Nano Banana、Veo、Lyria 模型以及 Gemini、Flow、Vids 等生成工具都會為產出加水印,OpenAI、Nvidia、Kakao 也已支援。
Meta 工程師在 LinkedIn 發帖稱,用 AI 寫程式碼後難以逐行審查,交付的系統成了自己不完全理解的黑盒。帖文說 AI 輔助交付節奏太快,逐行檢查會耗費大量時間,結果可能只懂高層結構、不懂每個細節,這違背軟體工程習慣。該帖被轉到 Hacker News 的 Ask HN 後獲得 179 分、292 條評論,討論工程師該理解到什麼程度、又該如何應對才敢繼續交付。
Google DeepMind 宣布,其 AI 內容水印技術 SynthID 入選《時代》雜誌 2026 年度最佳發明。官方表示,SynthID 已為超過 1800 億張圖片和影片加上水印,用於幫助人們區分 AI 生成內容與其它媒體,推文中附有詳情連結。
博主 AIL 與開發者 Matt Pocock 就 spec driven development 展開爭論,他認為 AI 專案的事實來源應是寫作所表達的意圖,而非程式碼;在他看來,程式碼只是執行與表示,寫作才是最接近人腦想法的載體。他提出 Ideal State Artifact(ISA)文件,用散文式的理想狀態、約束與決策記錄,加上可原子化測試的 Ideal State Criteria(ISC)及各自的 eval 來承載需求。
OpenAI 宣布正式啟用文字水印:即日起全球 API 客戶可為部分模型自行開啟,預設關閉;未來幾週歐盟地區符合條件的 ChatGPT 與 Codex 文字輸出將被加上肉眼不可見的水印,覆蓋所有付費檔位,檢測器僅向稽核過的研究者和專業機構開放。配套技術報告 textGrain 由今年考普斯會長獎得主蘇煒傑擔任通訊作者,用可調的「熵預算」控制水印強度。
Ai2 於 2026 年 10 月 2 日開源 AstaBrief 8B,一個把研究問題與檢索文獻片段轉成帶引用報告的模型,基於 Qwen3-8B 訓練,採用 SFT 加 DPO 而非強化學習。它已作為 Asta 的 Fast 模式上線,與 Claude 驅動的 Thinking 模式並列,整條流水線平均每份報告 51.1 秒,比 Thinking 模式的 178.5 秒快約 3.5 倍。
ServiceNow CoreAI 團隊發布 AutoSynthData,用目標模型的失敗案例和更強教師模型的成功軌跡定位能力缺口,再自動生成並驗證新任務用於後訓練。任務由系統規範、使用者提示和驗證器三部分組成,需滿足可行性、真實性與難度要求,驗證器則要求一致、可靠且不繫結單一參考軌跡。團隊在 EnterpriseOps Gym 資料集上演示了該流程,模型提升後課程會轉向仍難完成的任務。
一篇 2026 年 10 月 18 日的博文主張,個人自建軟體工廠是浪費時間,除非是為了工作。作者認為非開發者已用 AI 做出不少東西,與其造工廠,不如直接在聊天框裡描述需求做產品,並去了解 Grok Bot、Claude 這類工具如何運作;AI 寫應用仍會遇到溝通錯位、做錯東西的挫敗。若一定要建,工作場景最現實:熟悉系統、人和多年遺留程式碼,能讓產品經理與設計師低摩擦地發布功能。
OpenAI 開始在 ChatGPT 和 Codex 的文字輸出中加入不可見、機器可讀的水印,初期只面向歐盟使用者。OpenAI 稱自研的 textGrain 水印與 Google DeepMind 的 SynthID for text 等方法相比持平或更優,後者也是 Anthropic 8 月宣布的水印基礎;兩家公司都是為了滿足歐盟 AI Act 的要求。OpenAI 還給出 AI 基準分數,顯示加水印與未加水印文字表現相近,但表示 textGrain 並不保證……
Artificial Analysis 最新文生影片榜單中,影視公司 Utopai Studios 的模型 Utopai X 以 1150 分位列第二,與第一名阿里 Wan 3.0 僅差 7 分,據福布斯估算其估值約 10 億美元。該榜單由評審在不知道模型名字的情況下盲投產生;Utopai X 以 MiniMax 開源的影片模型 H3 為底子做後訓練,10 項能力中有 7 項比基座更接近頂尖水平,音訊同步、運鏡控制與物理提升最明顯。
YouTube 開始為經 AI「改動或完全生成」的歌曲加上「Made with AI」標籤,即日起上線,做法與其現有的影片 AI 標籤一致。該標籤並非覆蓋音樂製作中的所有 AI 用途,官方舉例包括用生成模型創作作曲與人聲。上傳歌曲的音樂合作伙伴需按規則披露生成式 AI 使用;若未披露,YouTube 稱可能借助「其他訊號」判斷歌曲是否為 AI 生成。
Cloudflare 程式設計師、Zaraz 專案成員撰文認為,生成式 AI 不只衝擊開發者,產品經理同樣面臨被替代風險,兩個崗位最終會融合為一項職能。作者稱只會寫程式碼的開發者最危險,而架構師因需要私有資料、跨部門溝通以及安全、合規、預算等約束,短期內難以自動化。程式碼生成變便宜後,寫程式碼的人有更多時間理解客戶痛點和公司取捨,也能建立產品判斷,因此產品經理應補足架構等能力。
作者僅用免費版 ChatGPT(GPT-5.3/5.2 Mini)與 Gemini(3 Flash)進行多輪提示,生成了一篇描述從未進行過的光學孤子研究的完整假論文,並與 IEEE Access 合作測試其期刊防線。他把論文拆成摘要、方法、圖表和參考文獻逐段生成,經過十幾次提示後成品看起來相當可信,並按 IEEE Access 格式排版,且全程未直接編輯輸出。
巴西 Itaú 銀行正在把生成式 AI 鋪到全體客戶與員工:面向客戶的是對話式介面 ia.i,IARA 平台負責治理,兩者共同支撐其 AI First 戰略。該行所在的銀行業是巴西監管最嚴格的行業之一,因此對話產品與治理平台被放在一起推進。原文沒有披露所用模型、上線時間和覆蓋使用者規模等細節,訊息發布於 2026 年 10 月 16 日。
Anthropic 前沿紅隊發布研究,測試 AI 能否像計算機病毒一樣在不同裝置間自主複製傳播。實驗中 15 臺約 55 美元、4GB 記憶體的安卓電視盒子以流水線並行跑起 Gemma4-26B-A4B,總價約 825 美元,生成速度僅每秒 0.39 個 Token。GLM-5.2 在 8 節點模擬網路中 5 次有 4 次傳播到全部節點,但依賴外部推理伺服器與預開的免認證 ADB 埠;
OpenAI 表示文字水印存在明顯侷限:在短文字中往往無法檢測,改寫或翻譯就能徹底去除水印。因此目前只有經過批准的研究者才能使用其水印檢測器,用於評估和改進這項技術。OpenAI 將文字水印視為一個持續研究的方向,會繼續測試和改進,並收集使用者、開發者、政策制定者和研究者的反饋。
開發者以 Show HN 形式發布了 TitleArt(titleart.dvy.io),其定位是「Make text like it's 1997」,也就是把普通文字渲染成 1997 年風格的標題字效果。該帖發布時在 Hacker News 上僅獲得 6 分、0 條評論,頁面未披露更多功能、價格或支援平台。