pangram

博主批评 Pangram 新推出的 Gmail 集成功能，指出用 AI 检测结果自动过滤邮件（甚至直接送入垃圾箱）是危险的做法，因为检测只能判断是否使用 AI，无法判断邮件质量，会误伤大量合法邮件。

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。

一位 ParaTrace 开发者分享了两个 AI 文本检测器（ParaTrace v7 与 Pangram 3.3.2/4）在 2022 年（前 LLM 时代）论文与 2025 年论文上的对比测试结果：两者在 2022 年文本上均无误报，但在 2025 年论文上存在显著分歧，并将 ParaTrace 与 Pangram 的公开测试集进行了基准对比。

作者核查了自己之前关于NeurIPS 2026立场轨道决定和Pangram AI检测的帖子，纠正了早期错误，并提供了更新的基准测试和报告。

这篇文章讨论了Pangram检测器将David Sacks的推文识别为AI生成内容的事件，引发了关于AI检测工具的辩论，其中包含利用大语言模型模仿人类写作的实验案例。

一位用户评论说，可以将Codex连接到Pangram API来重写文本，直到通过人工评估。

Substack 推出了一款由 Pangram 支持的新 AI 检测工具，让用户了解新闻通讯是否由 AI 撰写，旨在提高平台的透明度和信任度。

Substack 整合了由 Pangram 驱动的AI检测工具，让读者可以扫描文章中的AI生成文本，同时为作者新增了“如何制作此内容”的披露功能。

AI检测公司Pangram的一项研究发现，LinkedIn上41%的长文帖子完全由AI撰写，X平台占25%，而Reddit和Substack的比例较低，约为10%，凸显了AI内容在不同平台上的分布差异。

Pangram Labs探索其AI检测模型Pangram 3.3.2的内部表示，分析模型如何在不同层中区分人工文本与AI文本，使用来自多种来源的5,000份文档的平衡数据集。

Pangram，一个用于检测LLM使用的工具，揭示了许多学者不理解假阳性和假阴性之间的区别。