stylometry

这篇文章探讨了'人味'在文本中的含义，分析了AI检测方法的统计特征如困惑度和突发性，并论证了人类写作可以被诊断但无法优化而不产生悖论。

本文分析了与人类创作的小说相比，大语言模型生成的小说是否表现出压缩的形式变化。研究发现，尽管个体小说在风格上接近人类，但AI输出在句子结构、可读性和标点方面更为统一。

本文认为，大语言模型的输出展现出类似人类个人言语的模型特定语言特征，通过分析2024年和2026年的语料库，揭示了代际变化以及稳定的个体模型画像。

提出CHiPS，一种轻量级的字符级作者归属方法，适用于罗马尼亚语文本，采用字符直方图和位置信号，无需分词或预训练语言模型，在封闭集基准测试中达到0.9310准确率。

文章认为，大型语言模型（LLMs）通过分析写作风格，越来越能够将化名身份关联起来，并预测未来所有高带宽交互都会留下可追踪的独特指纹。

本文运用计量文体学方法，分析英语译本巴利经典中经藏、律藏和论藏之间的词汇差异。

本文介绍了Darshana Graph，一个用于比较印度哲学的平行注释语料库，并展示了文体测量与探索性图分析。

本文将对法医作者身份鉴定中的似然比框架应用于日语文本，融合了风格测量特征与基于嵌入的系统，以提高区分度和校准性能。

介绍PromptPrint，一项系统性研究，表明用户在LLM提示中的习惯性词汇和句法构成可学习的行为生物特征，词汇特征优于语义编码器，并揭示了独特性-一致性悖论。

Spiral 4.0是一个新的写作伙伴，使用风格计量学提取用户的品牌声音并生成符合品牌风格的内容，现已集成MCP和CLI供智能体使用。

本文介绍了StoryScope，一个分析语篇层面叙事特征以区分AI生成小说和人类创作故事的流程。它达到了很高的准确率，并揭示了不同大语言模型（如Claude、GPT和Gemini）独特的叙事指纹。

这是一项将风格学作者归属技术应用于威胁情报的基础研究。我们使用日本Rakuten的评论内容，对比了TF-IDF+LR、BERT嵌入、BERT微调以及度量学习方法。总体而言，BERT-FT的表现最佳；但在将任务扩展至数百位作者的场景时，TF-IDF+LR在稳定性与效率上展现出更大优势。