40 倍的 AI 味差距lieflat-less-ai-tone 数据揭示 DeepSeek、Claude、GPT 五大模型的写作风格差异【免费下载链接】lieflat-less-ai-tone一个基于 283 万字语料统计的去 AI 味 skill · An AI-tone removal skill grounded in a 2.83-million-character corpus study项目地址: https://gitcode.com/gh_mirrors/li/lieflat-less-ai-tonelieflat-less-ai-tone 是一个基于 283 万字语料统计的去 AI 味 skill它用语言学方法量化什么是 AI 味再把 AI 写作中的痕迹逐条清掉。本次分析最反直觉的结论是——所谓AI 文风并不只有一种形态仅破折号一项五大主流模型之间的使用频率极差就高达 40 倍。这个去 AI 味工具是怎么测出 40 倍差距的研究采用对照设计同一批话题让 AI 写一遍再与真实人类文章逐特征对比。侧篇数汉字数句数段数模型生成3001,179,10537,64214,549人类写作3291,647,86757,90931,172合计6292,826,97295,55145,721生成侧由 Claude、DeepSeek、Gemini、GPT、Kimi 五个模型各产出 60 篇覆盖 38 个话题生成时不联网、不给任何风格指令只给话题以保留模型的真实默认倾向。完整方法与语料说明见 RESEARCH.md。40 倍破折号差距五大模型的写作风格差异表这是本研究最核心的发现之一。以破折号使用频率每千字为例特征ClaudeDeepSeekGeminiGPTKimi破折号4.255.160.510.112.32提示性冒号0.380.430.220.250.32对举结构不是A而是B0.610.860.291.260.51序数词小标题1.000.690.220.730.82过长前置定语0.640.650.480.060.22问句小标题0.0430.0860.1730.0080.000 同一特征在不同模型间差出一个数量级破折号在 DeepSeek 上最重每千字 5.16 次GPT 几乎不用0.11 次极差达 40 倍。研究初期曾只用 2 个模型 30 篇样本得出破折号是 Claude 独有的结论——扩到 5 个模型后发现 DeepSeek 用得更多该结论随即被推翻。单一模型的癖好很容易被误读成AI 的共性。一模型一味五种风格画像DeepSeek破折号、提示性冒号、过长前置定语三项都居前列是标点密集派。Claude破折号次重、序数词小标题最重每百段 1.00 处编号感强。GPT整体最干净破折号仅 0.11但对举结构不是 A 而是 B反而是五模型最高。Gemini问句小标题最突出0.173爱用设问做骨架。Kimi各项均处中间偏上无极端倾向。这一结果有两重含义不存在统一的AI 文风基于单一模型样本得出的特征描述不具普适性。11 项被统计确认的 AI 写作痕迹研究检验了 26 项公共讨论中常被点名的AI 味候选特征11 项通过检验生成侧频率 ≥ 人类侧 2 倍。区分力最强的几项特征生成侧人类侧倍率段首零回指评论0.61%占非首段0.14%4.4×拟人化喻体0.018/千字0.002/千字7.3×冒号滥用空转句引列表0.29/千字0.03/千字9.4×对举结构0.73/千字0.22/千字3.4×起首语说白了0.025/千字0.008/千字3.2×区分力最强的是篇章层面的段首零回指评论AI 在新段落开头直接抛评价如值得注意的是听起来像一条功能描述却不交代评价对象读者必须回看上文。补一个这字就能恢复衔接——这正是 SKILL.md 改写规则的落点。三个流行认知被推翻设问、比喻、句长另有 15 项特征不具备区分力其中三项方向与流行认知完全相反流行说法实测结果AI 爱设问、自问自答正文设问句人类频率是 AI 的17 倍1.83 vs 0.10/千字删设问反而更不像人写AI 爱用比喻包装抽象概念人类比喻频率是 AI 的2.4 倍差异在喻体选择AI 偏好智慧的导师这类理想化拟人喻体该项 7.3×AI 句长过于均匀修正切分程序后无差异0.87×早期51 倍均匀度是切句缺陷造成的假象 研究还公开了 6 次因正则算子设计缺陷导致的测量失误及修正过程详见 RESEARCH.md 末尾由此确立操作规程采信任何频率结果前先抽样检视 20 条命中实例。一键去掉成稿的 AI 味改写规则怎么用统计显著不等于可执行。去 AI 味规则集在 SKILL.md 中以白名单式改写发布三条硬约束白名单原则只处理清单内的 11 项特征未命中的句子逐字保留文章框架不动信息守恒不许新增任何原文没有的数字、引语、因果也不许删观点与限定词——可能提升改提升属于篡改而非清理排除语义判断比喻是否贴切、案例是否堆砌这类无法机器验收的判断一律不做。典型改法示例来自 SKILL.md 第 1 条翻案腔❌ 真正的壁垒不是技术而是认知。 ✅ 真正的壁垒是认知。用自有语料复算三个脚本三个统计脚本随仓库公开替换为自己的语料目录即可复算全部指标句层特征频率scripts/compare-human-ai.py段落层结构相邻句同构、段首零回指scripts/check-structure.py译文句式频率scripts/check-translationese.py相关文档导航项目说明与研究摘要README.md完整数据表与测量失误记录RESEARCH.md去 AI 味改写规则全文SKILL.md许可协议LICENSE⚠️ 一点提醒模型在持续迭代AI 味数值具有时效性——GPT 的破折号频率在不足一年内从几乎每句一个降到了 0.11。把本文数据当作特定时点的观测快照比当作永恒定律更有价值。【免费下载链接】lieflat-less-ai-tone一个基于 283 万字语料统计的去 AI 味 skill · An AI-tone removal skill grounded in a 2.83-million-character corpus study项目地址: https://gitcode.com/gh_mirrors/li/lieflat-less-ai-tone创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考