authorship

一位作者在法国文坛一场争议之后测试了 Pangram 的 AI 检测准确度，发现短样本会将段落误判为 AI 生成，而整章内容却被评为 100% 人类创作，引发了人们对短文本输入导致误报的担忧。

达特茅斯学院教务长 Santiago Schnell 在《华盛顿邮报》上发表的关于 AI 作弊的专栏文章被 Pangram 检测工具标记为大部分由 LLM 生成，而他为自己的 AI 使用行为辩护的电子邮件甚至被发现是“100% 由 AI 撰写”，这引发了关于 AI 辅助写作中作者身份与责任归属的更广泛质疑。

本文提出了三种用于大语言模型少样本作者风格适配的方法——对比式激活引导、引导向量预测网络，以及预测 LoRA 适配器的超网络——并发现无论对于已见还是未见作者，超网络都能在风格模仿与输出质量之间取得最佳的权衡。

本文讨论了AI生成的书籍可能会掩盖人类创作的小说，尤其是在自出版领域，并倡导在写作中透明披露AI的参与。

本文批评AI检测工具依赖表面模式，容易误判人类写作，特别是经过润色的作品，并指出它们未能捕捉到个人作家的独特声音。

OpenAI已更新ChatGPT，阻止直接模仿特定作者写作风格的请求，以回应伦理和法律方面的担忧。这一变化影响了依赖风格复制的用户，而其他AI模型对此类请求的合规程度各不相同。

一篇分析AI生成艺术作品版权法律纠纷的文章，以Jason Allen诉美国版权局一案为中心，探讨生成式AI时代人类创作身份的更广泛影响。

一项针对24名大学生的初步研究探讨了不同LLM访问级别（无访问、有限访问、无限制访问）对论文写作质量、行为以及感知作者身份的影响，发现限制访问可以保持作者身份的自信，而无限制访问则降低了创造性表达和所有权感。

一篇文章讨论了一篇获奖短篇小说被指控由人工智能生成引发的争议，以及在大语言模型时代对作者身份和检测的广泛影响。

Tom Dietterich提醒arXiv作者，署名意味着对全部内容承担全部责任，无论内容是如何生成的，并强调了这对AI生成内容的影响。

本文分析认为，AI辅助写作的理想配比约为50% AI与50%人工介入：AI负责结构与编排，人类主导文风、判断力与最终审核。作者指出，100%由AI生成的文章显得廉价且缺乏灵魂，而0%使用AI则会白白浪费工具潜力；实现有效的AI辅助写作，离不开扎实的专业知识、严谨的架构以及鲜明的个人表达。