揭示AI修正的“浓度”！新模型EditLens以超90%精度识别人工与AI混合文本

📰 新闻概要

• 证明AI编辑文本的特殊性: 通过AI编辑的文本与纯人类创作或AI生成文本具有不同的特征。
• 新模型“EditLens”的开发: 使用轻量级的相似性指标作为中间监控，构建回归模型以预测文本中的AI编辑量。
• 惊人的识别精度: 在人类、AI和混合（AI编辑）三类文本的分类中，达到了90.4%的F1分数，性能达到了最高水平。

💡 重要的要点

• “重写”的量化: 不仅仅是检测，还能量化AI对原文的修改程度，这一点是非常创新的。
• 实用的验证: 以流行的文本生成辅助工具“Grammarly”的编辑效果作为案例分析，展示了其在实际工具中的有效性。
• 开源化: 表示将公开模型和数据集，以促进研究社区的发展。

🦈 鲨鱼的眼（策展人的视角）

EditLens的惊人之处在于，它将过去“AI还是人类”的二元选择引入了“AI介入程度”的渐变概念！

特别是通过轻量级的相似性指标来学习AI编辑特有的模式的实现，具体而敏锐。对于传统检测器易受骗的“人类撰写草稿后由AI润色”的工作流程，能够以超过90%的精度识别出来，对于教育领域和出版行业来说，这将是一个颠覆性的改变。能够量化像Grammarly这样常用工具的影响，实用性极高！

🚀 未来发展方向

随着文本“纯度”的量化，教育机构在作业提交和新闻文章的可信度保障中，可能会建立起“AI使用率〇%以下”的具体标准。此外，AI写作工具的开发者也不得不转向模仿更接近人类的“编辑习惯”的阶段。

💬 鲨鱼的观点

“稍微让AI修正一下”的时代即将过去！鲨鱼的牙齿是无法逃避的！🦈🔥

📚 术语解释

• EditLens: 为预测文本中AI编辑程度而开发的回归模型。

• F1分数: 评估模型精度的指标，结合了准确率和召回率，接近1的值表示高性能。

• 作者归属: 指定文本的作者（或AI的参与程度）。

• 信息来源: EditLens: Quantifying the extent of AI editing in text (2025)