标签
一篇提出「去相干（decoherence）」概念的评论文章，论述 AI 大量生成的冗余内容如何让系统的技术债指数级膨胀，并认为这既排除了智能爆炸的可能，也带来了「去相干崩溃」的新风险。
雇主在全球范围内因仓促部署AI工具而遭遇反噬，Meta、微软、Walmart等公司开始踩刹车、限制使用并重新扩充人力，因为AI产出的错误和低质量工作正拖累生产力，而大规模投资尚未带来预期回报。
Maka 是一款面向 0 至 6 岁儿童的无广告流媒体应用，作为 YouTube 上大量 AI 生成低质内容的替代方案而推出，采用儿童发展专家评估机制，不设自动播放，也不使用最大化用户参与度的算法。
前神经科学家、现科研诚信调查员 Michał Wójcik 记录了 AI 生成和捏造的内容——毫无意义的图表、凭空捏造的参考文献以及无法阅读的书籍章节——是如何通过 Springer Nature 和 Elsevier 等大型出版商的编辑审核流程的。
Kent C. Dodds 认为，防止 AI 生成的"垃圾内容"其实是一个简单的三步工程流程——高质量的 Agent PR、扎实的 PR 审查，以及配合灾难恢复流程的功能开关——他指出这些实践早在 AI Agent 出现之前就已存在。
GitHub Tiny Wins 团队的 Camilla Moraes 在 GitHub 播客中讨论了低质量 AI 生成贡献如何成为开源维护者的主要痛点，以及 GitHub 如何应对这一问题。
一篇评论文章探讨了“AI slop”一词的变质过程：如今人们动辄给精心撰写的内容贴上“这是AI写的”标签，这种毫无依据的指控不仅惩罚了认真写作的人，也让真正的机器灌水内容得以伪装。
《AI Snake Oil》合著者、普林斯顿大学的 Arvind Narayanan 认为，不断演进的神经符号聊天机器人可能成为事实性问题的“真相预言机”，并在未来5到10年内从根本上重塑新闻业，使其转向叙事性与争议性议题。
Google 因自动化 AI 提交大量无效或臆造的报告，令工程师和开源维护者不堪重负，已暂停开源软件漏洞奖励计划至 2027 年。
arXiv 宣布了一项新的速率限制政策：在 AI 驱动的投稿量激增之后，每位投稿人每月的投稿上限被限定为两篇。据版主反映，低质量的 AI 生成论文以及"香肠切片"式（salami-slicing）拆分发表的论文数量不断增加，正在让平台不堪重负。
本文提出 SciSlopBench，一个包含 390 篇 AI 生成科学论文的基准测试，通过结构、论证和伪影等维度检测'科学垃圾'（准确率达 85.9%，而 Binoculars 仅为 68.7%），并提出基于证据溯源的修订框架 SciSlopHarness，在不利用奖励作弊（reward hacking）的情况下将 AI 与人类的差距缩小 63%。
这篇文章质疑AI工具何时会产出更不易识别为AI生成、更多样化的内容，类似于人类创造力。它强调了当前各种媒体中可识别的'AI垃圾'美学。
术语“AI slop”已被过度使用，失去了其特定含义，现在主要用于泛泛地否定AI生成的内容，而非批判低质量的工作。
Shopify的首席执行官将未经请求的AI生成内容标记为“slop grenades”，讨论了AI部署中给审查者带来负担的问题，包括统计数据和来自BotsCrew等公司的实用解决方案。
一位用户描述使用GPT-6 Astra设计着陆页，给它提供了600,000个网站进行自我批评，最终得到了显著改善的设计，不再显得像是AI生成的。
作者在阅读一本关于 Meta 道德失败的书后，反思了自己离开 Facebook、Instagram 和 WhatsApp 的决定，并批评了科技行业对互联网的腐蚀以及 AI 垃圾内容的兴起。
苹果宣布为iPhone 18 Pro推出Apple Reference Image，该功能使用签名的传感器数据和Private Cloud Compute来验证照片真实性并检测AI篡改。
文章质疑“AI slop”一词是否被滥用，指出像边框和阴影这样的基本网页设计元素被错误地标记为AI生成的，尽管在AI出现之前这些元素就已被视为现代设计。
SlopTV是一个AI直播，利用Minimax H3在双5090 GPU上根据YouTube聊天评论生成无限内容。
oghunt.com 网站，一个从 Product Hunt 精选有用产品的网站，因面临AI生成的‘垃圾’内容的挑战而关闭，创建者正在归档该项目。