元鉴
返回中文阅读流
arXiv2026-06-11

“那是 AI 垃圾内容,你这个机器人!”研究在线话语中针对 LLM 生成评论的指控、证据与可信度

研究分析 Hacker News 与 Reddit 2500 万条评论,探讨读者对 AI 生成评论的指控、证据与反 AI 态度变化。

全文已翻译professional source英文原文完整正文
摘要

研究分析 Hacker News 与 Reddit 2500 万条评论,探讨读者对 AI 生成评论的指控、证据与反 AI 态度变化。

计算机科学 > 社会与信息网络

[提交于 2026 年 6 月 10 日]

标题:“那是 AI 垃圾内容,你这个机器人!”研究在线话语中针对 LLM 生成评论的指控、证据与可信度

View PDF
摘要:生成式 AI 使流畅文章的生产成本变得很低,打破了读者过去所相信的“好文笔意味着真实思考”的承诺。读者对此如何回应?这又能告诉我们反 AI 态度正在发生怎样的变化?我们分析了来自 Hacker News 和 Reddit 的 2500 万条评论(2023—2026 年),结合 LLM 对 7500 条抽样 AI 使用指控的判断、情绪轨迹、对 300 条经确认的 AI 使用指控进行言语行为编码,以及对被指控与未被指控的父级评论进行匹配对照检验。我们发现,在两个平台上,指控中带贬义标签的占比上升了十倍以上,而一组安慰剂式的 2022 年前“不真实”词汇(shill、astroturf)并未出现同样变化。这一转变反映出一种快速增长的趋势:将任何可疑或看似不真实的文字都贴上“AI slop”的标签。slop 框架目前占贬义提及的 94%,其中主导
Subjects: 社会与信息网络(cs.SI); Artificial Intelligence (cs.AI) Cite as: arXiv:2606.12073 [cs.SI]   (or arXiv:2606.12073v1 [cs.SI] for this version)   https://doi.org/10.48550/arXiv.2606.12073
聚焦以了解更多
arXiv-issued DOI via DataCite (pending registration)

提交历史

From: Jason Miklian [view email]
[v1] Wed, 10 Jun 2026 13:40:22 UTC (569 KB)
全文链接:

访问论文:

当前浏览上下文:

正文:cs.SI
< prev   |   next >
Change to browse by:

参考文献与引用

  • 正文:NASA ADS
  • 正文:Google Scholar
  • 正文:Semantic Scholar
export BibTeX citation 正在加载...

BibTeX 格式引用

×
正在加载...
数据提供方:

书签

BibSonomy Reddit
Bibliographic Tools

书目与引用工具

书目浏览器开关
书目浏览器 (What is the Explorer?)
Connected Papers 开关
正文:Connected Papers (What is Connected Papers?)
Litmaps 开关
正文:Litmaps (What is Litmaps?)
scite.ai 开关
scite 智能引用 (What are Smart Citations?)
Code, Data, Media

与本文相关的代码、数据和媒体

alphaXiv 开关
正文:alphaXiv (What is alphaXiv?)
代码链接开关
CatalyzeX 论文代码查找器 (What is CatalyzeX?)
DagsHub 开关
正文:DagsHub (What is DagsHub?)
GotitPub 开关
正文:Gotit.pub (What is GotitPub?)
Huggingface 开关
正文:Hugging Face (What is Huggingface?)
ScienceCast 开关
正文:ScienceCast (What is ScienceCast?)
Demos

演示

Replicate 开关
正文:Replicate (What is Replicate?)
Spaces 开关
正文:Hugging Face Spaces (What is Spaces?)
Spaces 开关
正文:TXYZ.AI (What is TXYZ.AI?)
Related Papers

推荐与搜索工具

链接到 Influence Flower
正文:Influence Flower (What are Influence Flowers?)
CORE 推荐器 (What is CORE?)
  • 作者
  • 发表场所
  • 机构
  • 主题
About arXivLabs

arXivLabs:与社区合作者开展的实验性项目

arXivLabs 是一个框架,允许合作者直接在我们的网站上开发和分享新的 arXiv 功能。

与 arXivLabs 合作的个人和组织都认同并接受我们关于开放、社区、卓越和用户数据隐私的价值观。arXiv 致力于这些价值观,并且只与遵循这些价值观的合作伙伴合作。

有一个能为 arXiv 社区增加价值的项目想法?了解更多关于 arXivLabs 的信息。