人性化的工业化

如今，在 Upwork、Fiverr 等自由职业平台的零工招聘和服务项目中，频繁出现“‘humanize’”一词，各类工作和提供者提出不同程度的掩饰，模糊文章是由人工、部分人工还是与 AI 合著的事实。

Upwork 实际帖子中的“Humanize”趋势。

对能够改写 AI‘污染’输出、让其看起来像是有人坐下来辛苦写了几小时的人工和自动化服务的需求，表明人们已普遍达成共识：‘人情味’是实现连接和推广所必需的——而在 AI 时代，内容的海量 将再次使这种联系变得必不可少。

我个人愿意这么认为，但事实未必如此——尤其是因为谷歌自己的指南在此事上 对文本的质量进行评估，而不是关注其创作方式。

事实上，我们目前并不确切知道 我们到底能容忍多少或哪种类型的 AI，也不清楚我们能在何种程度上将每日数十亿人从 AI 中获得的好处与对该技术更广泛影响的‘同谋感’和道德诱惑相调和。

上述招聘信息也反映了这一点；在这些平台上，创作者和公司对自动化趋之若鹜，显然是因为他们希望大规模发布内容，而这正是谷歌在其排名算法中明确要惩罚的做法。同时，他们正在寻找自动化和人工相结合的‘工业化’人性化方法。

这让我想起 Steven Wright 那位神经多样的 1980 年代喜剧表演中的 最经典的笑话之一：

‘在我家，我有一个微波壁炉。我只需 8 分钟就能躺在火前度过整个晚上。’

即将到来的低劣内容形态

像往常一样，这些想法来源于我每天浏览 Arxiv 的过程，今天我特别关注了一篇由营销自动化公司 Sitefire 的 Jochen Madler 撰写的 论文，标题为SlopShape: Identifying AI-Generated Commercial Web Content。

我通常会基于‘维克多·弗兰肯斯坦’原则而不看重单作者论文，但这篇的前提简洁明了，且测试方法可靠。

该研究基本指出，即使 AI 生成的帖子被完全改写——即便由人类完成——它仍保留一种明显的结构性特征，这种特征位于远高于词汇层面的层级，形成一种独特的‘形状’，任何程度的改写或表层修改都无法消除。

人类与 AI 撰写的帖子结构模式比较。人类写作倾向于使用更为罕见的结构组合，而全部五种 AI 模型更偏好常规组合。来源

显而易见，若将其视为问题，可以通过自行规划写作流程来规避——要么完全不使用 AI，要么仅在自行规划的独立模块上使用 AI。

然而，正如 Upwork 上的狂热广告所显示，这并非人们所期望的；从这些招聘的语气可以推断，文章内容不仅应由 AI 进行结构化，还应 由 AI 构思——也就是说，LLM 会提出与公司或实体整体目标相匹配的合适主题。

随后，完全可以预期 AI 会生成内容的多个迭代草稿，而令人恼火的人类环节仅在结尾处加入一点随意的人情味（尽管理想情况下，这一过程最终会演变为 Python 工作流）。

显著特征

该新论文的作者通过收集数千篇恰好在 ChatGPT（2020-2022）发布与传播之前的公司博客文章，并从中推断出提示，从而获得这些洞见。

也就是说，他使用 Gemini 3 Flash 阅读真实的人类撰写的论文，并逆向工程出一个提示，旨在在一些主流大模型上生成类似的作品，即 GPT5.4、Kimi 2.5、DeepSeek V3.2、Claude 4.6 和 Gemini 3.

随后，这些提示被用于为每篇真实的人类帖子创建五个 AI 版本，从中提取出 特征，这些特征最终描述了五个模型各自的 LLM 特定‘形状’，Madler 还指出‘AI 帖子共享一种整洁、自我声明的形状’。

整个研究是对2026年8月在COLM会议上进行的StoryScope项目的重新运行，这是马里兰大学与Google DeepMind的合作，基本采用相同的方法应用于小说，发现 AI 生成的故事在叙事结构上趋向于更狭窄且更可预测的范围，胜过人类写作：

来自StoryScope研究的散点图比较，展示了人类与 AI 生成的小说在叙事模式上的差异。人类撰写的故事占据了一个独特的区域，而五个领先的 AI 模型的故事更紧密地聚集在一起，表明它们在底层叙事选择上更为相似。 来源

Madler 决定在公司博客上重新运行 StoryScope，因为相较于更为怪异的小说写作领域，这些博客拥有更大的金融驱动力进行自动化，而且它们已经高度自动化（截至2026年5月，在线内容的自动化率已达50%，根据 Madler 工作中引用的Graphite研究）。

也许最有趣的分析是对基于2022年前人类撰写的帖子提取的 AI 生成材料特征进行拆解：

‘AI模型最常产生的数值汇聚成我们称之为整洁、自我宣示的博客文章：它在标题中已承诺收益，阐述论点并在第一节之前宣布结构，以编辑解释的口吻写作，并以总结或重申论点的阶段收尾。’

‘在典型的 AI 文章中，收益在标题中就已承诺：“如何将入职时间减半”。论点被陈述，流程在第一节之前被宣布：“在本文中，我们将讨论入职停滞的原因、三种可行的解决方案，以及如何衡量差异”。’

‘结尾会重申论点：“简而言之，结构化的入职流程节省时间”。而更倾向人类的价值观则描述了缺乏这些标记的文章：没有宣布的章节流程、没有提升的紧迫感，也没有重申论点的结尾章节。’

一个错误的前提

顺便提一下，所描述模板中的大多数陈词滥调和老套来源于前 LLM 营销场景中对 SEO 痴迷的限制。我们认为 AI 是从哪里学到这些习惯的？

模板化的营销文案 一直被厌恶，在 AI 出现之前就已如此，并且一直大规模生产，机器能够做好之前很久；由于必须遵循 SEO 实践，一些可怕的惯例被确立，例如 关键词布局，以及 精心设计的链接。

在后者的情况下，AI 可能因此学到了错误的教训，因为它所训练的纯文本语料库剔除了原始材料中包含的许多面向 SEO 的策略，例如战略图表、可视化解释；尤其是超链接。

文章的整段可能是为了突出客户想要推广的超链接或 YouTube 嵌入而精心编写的；但在这些数据被用于训练 LLM 时，嵌入或链接已被剥除，原本用于强调它的文本也失去了原始语境。

因此，可以说，在围绕此类材料设计训练方法时的最大错误，是将网络内容视作 19 世纪文学（完全自给自足），而忽视了其作为多媒体（受视频、超链接和插图等非文本因素显著影响）的特性。

另一个重大错误是对 人们已经厌恶的材料进行训练，而这些材料被那些 可能已经不再有效的规则迫使成了不受欢迎的形态。

注意，人类

尽管如此，如果你相信 Upwork 的趋势，仍然有对同类内容的大量需求，这些内容由 LLM 大规模生成，并通过最不具个性化的流程进行‘人性化’，以最高速度、最低成本交付。

所有这些，都是为了产生 关注 的效果：即有人（至少拥有内分泌系统）坐下来花几小时思考想对你说什么的想法。

获得人类关注的感知对我们而言是有意义的 即使它并不有帮助；因此，这显然值得工业化。

我忍不住觉得 Madler 的论文在某种程度上可能会让局面更糟，因为它识别出特征性的高维特征，而这些特征现在大概可以通过 更多 的 AI 来处理，从而随着模型演进，默认的签名将呈现更人性化的形态。

首次发布于2026年9月17日星期四