arXiv cs.CL· Michelle Morgenstern, Julia Witte Zimmerman, Tabia Tanzin Prama, Kristine Harootunian, June Clark, Bryn Loftness, Calla Beauregard, Juniper Lovato·· 10 小时前AI 评分31
研究揭示 AI 生成文本识别的矛盾性与语境依赖：来自 Wikipedia 编辑与学生的实证分析
Contextuality and Contradictions: Exploring Real-World Identifications of AI-Generated Writing
AI 导读
一项针对英文 Wikipedia 编辑与学生的研究发现，真实场景中的 AI 生成文本识别依赖多样证据类型，从具体文本特征、内容判断到循环论证和对作者道德品格的预设，且彼此矛盾、动态变化并高度依赖语境。
正文 · AI 翻译
摘要：随着 AI 生成内容渗透到人类互动的几乎每一个领域，AI 检测的实践与话语——无论正式还是非正式——已成为人们与文本、彼此互动中的日常组成部分。本文探讨了在文本的人类来源不再被视为理所当然这一不断变化的话语格局下，现实世界中涌现的 AI 识别实践与话语。我们将定性编码与词汇变化的计算分析相结合，以语言人类学关于语言与交流的视角为基础，考察英语维基百科编辑与学生中的 AI 识别行为。我们发现，这些识别行为依托于多种类型的证据，从离散的文本特征和对内容的判断，到循环式的意义建构主张以及对作者道德品格的推定；并且它们是矛盾的、动态的、依赖语境的。在实践中，驱动 AI 识别的往往并非任何特定文本要素的存在，而是语用上的不适切：即所存在的要素与在该文本特定语境中被视为恰当的要素之间被感知到的不匹配。因此，现实世界中对 AI 生成写作的识别并非仅仅中立地指出所感知到的“类 AI”特征的存在，而是可以被用作一种话语资源，以维护和界定社会语言学规范：在特定语境中可以说些什么、什么是恰当的，以及最终，什么是人类的。此外，那些将“类 AI 性”视为文本的一种无语境属性的系统与工具，其设计与实现因此可能继承——并大规模地强制执行——其所训练语境中的规范。
| 学科： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2611.08704 [cs.CL] |
| （或 arXiv:2611.08704v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.08704 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Juniper Lovato [查看邮箱]
[v1]
2026年11月5日 星期四 21:01:03 UTC（304 KB）
来源：arXiv cs.CL · arxiv.org