论文导读
Sitefire提出SlopShape，不盯AI偏爱的单词，而是检查信息顺序、证据使用和语气等文章结构。它在268家公司、13500篇英文商业博客上，仅凭187个结构特征取得98.0宏F1，模型自行改写后仍为98.1；结果不能直接外推到中文或人工深度编辑内容。
换词能骗过检测，骨架更难改
常见AI文本检测器依据词频、困惑度或局部措辞。原始机器文本容易识别，但经过同义改写、人工润色后，词面信号会迅速变弱。SlopShape追问的是更深一层：文章先讲什么、何时摆证据、怎样转折、是否反复预告结构，这些组织习惯会不会跨越具体词句保留下来。
论文图：从博客语料提取结构特征，再完成真人与AI识别及来源归因。
研究复现了此前用于小说的StoryScope思路，并转向商业内容。语料包括268个公司域在ChatGPT出现前发布的2250篇真实博客，以及五个前沿模型生成的11250篇镜像文章。每篇AI文还由原模型再次改写，用来检验检测器是否只记住表面措辞。
214维工具拆文章的写法
特征工具共有214维，其中187维描述结构：信息如何呈现、以什么顺序出现、用哪类证据、采取何种口吻。标注不是完全交给模型；团队用人工金标准会话核验，人工之间的kappa为0.928，人工与模型之间为0.946。
论文图：六来源模型在测试集上的混淆矩阵，整体准确率79.3%，随机水平为16.7%。
只使用结构特征时，检测器在未见过的公司上达到98.0宏F1。让每篇AI文由生成它的模型自行改写，成绩仍为98.1。论文据此认为，改写可以换掉词，却未必会重排文章论证的整体形状。
不只判断真假，还能猜来源
结构信号还能用于刻画和归因。六类来源识别中，79.3%的文章被正确分到人类或五个AI模型之一，远高于16.7%的随机概率。降维图显示人类文章与AI文章明显分开，而五种模型之间重叠更多，最难的是DeepSeek V3.2。
论文图：12900篇文章的结构特征投影，人类与AI沿主要方向分离，AI模型彼此更接近。
这不等于单篇文章能被确定“定罪”。数据聚焦英文商业博客，AI样本按研究流程生成，人类深度重写、中文表达、混合作者和新模型都可能改变分布。高F1适合说明数据集上的可分性，不能直接当作平台处罚阈值。
更稳妥的用法，是把结构分数当作复核线索，并保留作者申诉与人工判断。
下一步是做可解释的内容治理
结构检测比一个真假分数更有用的地方，是能指出文章为何可疑：是否过度整齐地列出观点、是否用模板化证据、是否不断自报接下来要讲什么。平台可把这些特征用于抽样复核和质量提示，而非自动封禁。后续应加入多语言、真实编辑链和时间外测试，观察“文章骨架”能稳定多久。
参考资料
https://arxiv.org/abs/2609.15369
