让小型人工智能少写“人工智能味”：一次写作实验
Qwen3-4B-Instruct
这次实验使用的原始人工智能模型名称。
slop score
按规则统计写作习惯的分数。
LoRA
只调整模型一部分的追加训练方法。
人工智能写文章时，常会反复使用一些相似的说法。比如长破折号、“不是A，而是B”、三个一组的列表，或“事情是这样的”之类的提示语。作者Erik Markus Kannike在原文中报告了一项小实验。他把Qwen3-4B-Instruct（一种写文章的人工智能模型）重新训练，发布了Qwen3-4B-deslop v4。一个2.5GB的小版本可以用Ollama这个运行人工智能模型的工具启动。
发生了什么
这不是公司发布的新产品，而是作者在MacBook Air笔记本电脑上做的个人实验。目标不是把文章事后改写，而是让模型在生成文字时，少用一些人们容易认出的人工智能写作习惯。作者希望它不靠每次都加系统提示，也能保持这种写法。
怎样测量
作者制作了一个“slop score”。它按照一套规则，统计每1000个单词中出现的特定习惯，并给不同习惯加上不同权重。测试使用了40个没有放进训练的题目，覆盖10个主题和4种文体。每个题目只抽取一次回答，而且没有使用系统提示。
原模型的平均分是121，发布版是12.5。长破折号从每1000个单词20.5个降到0个。发布版有68%的回答进入作者设定的“接近人类写作”范围。它还答对了30道事实题中的全部30道，符合题目要求的文体和长度的次数，也和原模型差不多。
为什么过程不简单
作者先让一个模型生成答案，只保留通过检查的样本，再训练LoRA适配器，并配合修改4个神经元。中间版本虽然把分数降到9.9，却出现了新问题：观点文章不表达观点，搬家文章变成了关于一家人的故事，植物文章还引用了不存在的研究。作者后来增加了任务检查，要求文章尽早表达立场、个人回忆使用第一人称、邮件有问候语，并检查长度以及虚构的研究和百分比。最终版的任务符合率回到80%。
这说明了什么
这项实验说明，写作风格的一部分可以在训练阶段被改变。但减少明显的人工智能习惯，不等于写出了更好的文章。发布版的语气很平，有时像一串短句。它仍会编造人名和地点，也常常比要求的长度更长。表面更干净，可能只是换来了另一种问题。
已确认和未确认的部分
这些数字来自作者自己写的检测器和规则。检测器本身是一份用正则表达式写成的风格清单。训练样本也使用了部分相同检查，所以任务符合率可能比新的独立测试更好看。采样不同，同一个模型的分数也会变化。
实验目前只测了短篇英文文章和4种文体。代码、长对话、其他语言和工具调用是否也会改善，仍不知道。还没有让读者在不知道版本的情况下比较两篇文章。
这篇文章在Hacker News上获得155分和110条评论。这只表示社区注意到了它，并不能证明实验结论正确。
接下来要看什么
作者准备加入更好的真人文章，继续训练7到8B以及约30B的模型，并做盲测，让读者选择更好的文章。真正值得观察的，不只是模型能不能少写“人工智能味”，而是它能否同时保留意思、任务要求和自然的声音。
让小型人工智能少写“人工智能味”
📰 完整报道: 让小型人工智能少写“人工智能味”：一次写作实验
一项个人实验让Qwen3-4B（写文章的人工智能模型）少用了一些常见写作习惯，但它还不完美。
Qwen3-4B
写文章的人工智能模型名称。
slop score
统计文章习惯的分数。
Hacker News
讨论技术新闻的网站。
💡 一句话总结
- 模型少用了长破折号等重复说法。
- 40个新题目中，习惯分从121降到12.5。
- 它仍会写出平淡句子，也会编造名字和地点。
人工智能写文章时，常会反复使用相似的句式。作者Erik Markus Kannike把Qwen3-4B-Instruct重新训练，做成Qwen3-4B-deslop v4。2.5GB的版本可以用Ollama这个运行模型的工具启动。
作者做了一个“slop score”。这个分数按规则数出每1000个单词里的写作习惯。测试用了40个没有参加训练的新题目。它们包括10个主题和4种文体。原模型平均是121分。新模型是12.5分。长破折号从20.5个降到0个。68%的回答进入作者设定的接近人类写作范围。30道事实题也全部答对。
为什么不能只看分数？因为中间版本虽然分数低，却会漏掉任务。它写观点文章时不表达观点，还写出不存在的研究。于是作者增加了检查，确认文章是否符合题目。最后版本的任务符合率回到80%。
这项实验很有意思，但范围不大。它只试了短篇英文文章。代码、长对话、其他语言和工具调用，结果可能不同。分数也是作者自己制定的规则。还没有读者在不知道版本的情况下比较文章。
这篇文章在Hacker News（技术新闻网站）获得155分和110条评论。这说明它受到关注，不说明结果一定正确。作者下一步想使用更好的真人文章，测试更大的模型，并让读者盲选更好的文章。
💬 关于减少 AI 文风的模型：简单总结
大家认可这个模型的目标，但对文章是否真的更好读，意见不一。网页上移动的共享光标也让很多人分心。评论中的性能和检测结果都只是使用者自报。
- 有人喜欢它用较少的计算硬件就能训练，但评论区没有独立证明这一点。
- 有人觉得文章稍有改善，也有人觉得它仍然很像 AI，而且难读；还有人建议多用短词。
- 一位评论者说，Pangram 判定它为 100% AI 生成，而 slop-cop 的结果更好看。另一位评论者说，改写版信息相同，却长了约三倍，而且没有排版。
- 人们有两种担心：让 AI 文本更难识别可能损害网络信任；但更清楚的文本也可能帮助写文档、做摘要、辅助交流和整理思路。
- 很多人不喜欢页面上的共享光标。作者说那是 WebRTC/Trystero 实验，后来改成默认关闭。
这是评论数为110时的初期（修订1）。获取100条，并从整体抽取100条总结。内容属于HN用户自述，并非编辑部核实的事实。
小AI少说一些老句子
📰 完整报道: 让小型人工智能少写“人工智能味”：一次写作实验
Qwen3-4B会写字，它学着少用总重复的说法。
Qwen3-4B
会写字的人工智能名称。
Hacker News
讲电脑新闻的网站。
Qwen3-4B（会写字的人工智能）被重新教了一次。 作者Erik Markus Kannike先生改了它的写法。 它以前常用一些老句子。 作者把这些句子数了出来。 他用40个新题目测试它。 分数从121变成了12.5。 长破折号从20.5个变成了0个。 它还答对了30道事实题。 但是，它还会编造名字和地方。 它写的声音也有点平。 人们还没有在不知道版本的情况下比较文章。 Hacker News（讲电脑新闻的网站）上有155分和110条评论。 这表示很多人看到了它。 这不表示它一定正确。 作者还要试更大的AI。 他也要请人选更好的文章。
💬 一个少一点 AI 口气的模型
这个模型想让 AI 写出来的话，不那么像常见的 AI。大家对它做得好不好，有不同看法。
- 有人喜欢它用不大的机器就能训练。也有人说它还是很像 AI，而且不好读。一位评论者报告一个检测器给出 AI 生成 100%，另一个检测器却觉得更好；还有人说改写版同样的内容长了约三倍。
- 有人担心不容易看出是 AI 写的文章，会让网上的人不再信任彼此。也有人说，它能帮助写文档、做摘要，或帮助不容易说话的人交流。
- 网页上有很多会动的光标。大家觉得它们碍事，作者说这是实验功能，后来把它默认藏起来了。
这是评论数为110时的初期（修订1）。获取100条，并从整体抽取100条总结。内容属于HN用户自述，并非编辑部核实的事实。
💬 HN 对去除 AI 写作习惯的 Qwen3-4B 模型的反应
评论者认可用小模型淡化 AI 特有文风的想法，但对可读性和人类感的评价不一。网页上的多人共享光标也分散了许多读者的注意力。以下关于性能、问题和检测器的说法，都是评论者自报的结果，并非独立验证。
这是评论数为110时的初期（修订1）。获取100条，并从整体抽取100条总结。内容属于HN用户自述，并非编辑部核实的事实。