生成式 AI 文本被標籤為「AI slop」　讀者負面情緒十倍激增

研究背景與方法

研究團隊從 Hacker News 與 Reddit 抓取 2023 至 2026 年的 2500 萬則留言，抽樣 7,500 則被指可能使用生成式 AI 的文章，交由大型語言模型進行初步判斷。接著追蹤情感走勢，並對 300 則確定為 AI 指控的留言進行語言行為編碼，最後以配對控制測試比較被指控與未被指控的父層留言。

主要發現

負面標籤的佔比在兩個平台上均超過十倍成長；與此同時，2022 年前常見的「shill」或「astroturf」等偽裝詞彙並未出現類似上升。新興的負面框架「AI slop」已占到所有負面提及的 94%，且語氣從嘲諷逐漸轉向守門與結構性抗議。

配對控制測試揭示，統計上能區分 AI 與人類文本的特徵（如句子長度、詞彙多樣性）並不會預測哪些人類寫的文章會被指稱為 AI。換言之，指控已成為一種社群門檻，並非基於真實的技術偵測。

意義與未來展望

此研究延伸了信號理論，說明即使訊號不準確，只要基礎偵測問題在非專家層面無法解決，替代性社會訊號仍會快速擴散。對於寫作產業而言，讀者端的 AI 影響與作者端的 AI 生成效應呈現分離，傳統偵測技術難以抑止這種社會性門檻的形成。

延伸閱讀

• LoopGuard：動態 KV 快取介入抑制長上下文注意力迴圈
• HyperMem：以超圖記憶提升長期對話的高階關聯檢索
• HiFloat4 4 位元浮點格式在 Ascend NPU 上的語言模型預訓練效能提升與穩定化技術

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。