AI 检测器说我像机器,我删掉了 15 个破折号

检测器测的不是作者身份，是「离人类平均有多远」。代价是所有人为过关把自己磨成平均脸，而真正的作弊者改一个标点就翻盘。

昨天我删掉了自己稿子里的 15 个破折号。

不是编辑要求的，也不是我觉得它们难看。是我跑了一个自动检查脚本，它给破折号定的上限是 8 个。改完之后我又顺手删了两个括号，把句子的平均长度从 29.7 字压到 21.3 字。

那篇稿子确实更好读了。这一点我不否认。

但我知道我做了什么。写作里最像我的那个手势，被我自己磨掉了。我喜欢把话悬在半空，再用一道横线接一个转折。那是我的指纹。

我不算被逼的。没有人给我打分，没有人指控我。是我自己想让那个脚本变绿。

我不算孤例。

彭博社上个月底那篇特稿，写的就是这件事。记者 Morgan Meaker 采访的是 2026 年一整年里在删东西的人。作者、学生、还有替人写书的代笔。

删的东西很具体。破折号。"delve" 这个词。"not X but Y" 这种对偶句。三段式排比。

还有人往自己的稿子里故意加错字。不是手滑，是留个记号：机器不会打错字。

他们不是被编辑要求的。他们在防一个分数。

Pangram 是这批检测器里最准的一个。2026 年 6 月有一项对照研究，测了四个检测器、160 篇论文。它在两组关键测试里，都认出了 40 篇中的 37 篇。

它拿自己的语料（几百万份文档）统计过：每万个词里，AI 用 17 次破折号，人只用 2 次。

"delve" 这个词，AI 用 30 次，人用 3 次。

三段式排比，AI 19 次，人 5 次。"not just X but Y" 这种对偶句，AI 是人的三倍。

八点五倍的落差，把破折号推成了"最臭名昭著的 AI 标记"。

于是删它就有了依据。不是迷信，是有统计的对症下药。

至少看起来是。

Pangram 不在数破折号。

它是个分类器。训练材料是成对的文件：一份人写的，一份机器照着同一件事仿写的，几千万对。它学的是质地，是句子的起伏、词与词之间的意外程度。

它的参数里没有任何一处写着"破折号等于机器人"。

"破折号 = AI"是一套民间传说。它和模型真正在测的东西相关，但不是同一个东西。

这两件事平时分得开：照着传说删标点，检测器该给多少分还是给多少分。

我删那 15 个破折号的时候，其实连检测器都没打开过。我只是看见一个数字没达标，就动手了。

传说在这里不是被别人灌输给我的。是我自己照着分数，主动把手指磨钝了一点。

有人认真试过。

Ruben Hassid 花了三个小时，烧掉三十四美元的模型额度。他专门写了一个工具，把机器味的痕迹一层层剥掉。改完的稿子送进去，Pangram 还是判他 100% AI。

然后他把文中一处破折号换成了冒号。别的一个字没动。

判决翻成 100% 人类。

另一个人试了反方向。Travis Culliton 把冒号换成分号，一百个人类。他改回去，又变回一百个 AI。

一个标点，一百分的摆动。

所以那个分数不是在算内容好不好，也不是在算这东西到底是谁写的。它盯住少数几个强信号，信号一动，判决就翻。

那信号到底是什么？

它算的是困惑度。

一个语言模型读你的句子，一路猜下一个词。猜得越轻松，困惑度越低。困惑度低，意思是这段文字对它来说太熟了，熟到可以预测。预测得出来，它就当成机器写的。

反过来，人写得越跳，它越猜不着，分数就越像人。

所以有一批人天生吃亏。母语者写得跳脱，一句话拐三个弯，困惑度高。非母语者用词谨慎、句式规整，困惑度低。公式化文体，法律、学术、公文，低。口述转写贴着一句话一句话走，也低。

2023 年《Patterns》上那篇论文量出来的正是这个。91 篇中国学生写的托福作文，七个检测器判出 61.3% 的假阳性。同样七个检测器看 88 篇美国八年级作文，假阳性 5.19%。

研究者还做了个反方向的对照。让 ChatGPT 把托福作文润色成"更像母语者"。假阳性从 61.3% 掉到 11.77%。反过来，把八年级作文的用词简化成"像非母语者写的"。假阳性从 5.19% 冲到 56.65%。

检测器惩罚的不是造假。是写得平。

到这里，故事还有个方向没讲。

检测器之所以能用"平"来认机器，是因为机器确实平。2025 年《Science Advances》上有个研究，把这句"确实"量了出来：平到什么程度，怎么变的。

他们扒了 PubMed 从 2010 到 2024 年的一千五百一十万篇摘要，统计每个词每年的频率。再用 2021、2022 的走势，外推 2024 年本该是多少。差出来的那部分，就是多出来的用法。

2024 年多出来的词有四百五十四个。2021 年新冠那一波是一百九十个，而且几乎全是名词。respiratory、remdesivir 这类内容词。2024 年那四百五十四个里，绝大多数是风格词：动词占六成六，形容词占一成四。

"delve" 出现了本该有的 28 倍。"underscore" 13.8 倍。"showcase" 10.7 倍。

按这些超额词反推，2024 年至少有 13.5% 的摘要经过模型处理。PubMed 一年收一百五十万篇，也就是二十万篇以上。

所以"平"不是错觉。人类写作确实被拉向了一个平均值。

而且是在人自己没察觉的情况下被拉过去的。

最难受的地方在这里。

检测器的训练数据是人写的。而写那些文字的人，已经被评分一年了。

他们删破折号、删 delve、删对偶句，往稿子里塞错字。这些动作会进新的语料，进下一代模型的训练集。

等它重训完，它会学到：破折号是真人写作的标志。因为那时候的真人，都在疯狂地用破折号。

你今天删掉的那个东西，明年可能是证明你是人的证据。

说到底也不深奥。一个指标被拿去当标准，人就为它改写行为；行为一改，指标就不灵了。

有机构已经走到这一步。把"每 500 词最多 2 个破折号"写进 style guide。看着像排版规范，实际是给一个统计模型让路。

所以我还是会删那些破折号。

不是因为我信那套分数。是因为这次撞上的检查，理由是对的：那篇稿子确实太绕，句子确实该断开。

但我得知道自己交出去了什么。改掉的是标点，磨掉的是一个习惯。我喜欢把话悬在半空，再用一道横线接一个转折。那是我的指纹。

指纹磨平了，剩下的就是"像人写的"这件事本身。而这件事，明年可能正是我被认出来的依据。

这一刀到底是为读者砍的，还是为一个数字砍的，我该在下次动手之前先问一句。

这次我删了 15 个。

下次我大概会先停下来，看一眼。