为了维护百科全书内容的权威性与准确性，维基百科社区于2023年正式启动了名为“WikiProject AI Cleanup”的专项行动。该项目的核心目标是识别并清理大量由人工智能生成的低质量内容。在项目初期，辨别AI生成文本相对简单，因为当时的模型往往带有明显的特征词汇和固定的逻辑框架。
根据项目创始成员Ellia Lebleu的观察，2023年左右的AI产出常包含如“stands as a testament”（作为……的见证）、“rich cultural heritage”（丰富的文化遗产）等高度重复的陈词滥调，甚至频繁插入诸如“Why is this important?”（为什么这很重要？）之类的总结性段落。这些明显的模式让志愿者能够快速识别并剔除不符合维基百科风格的AI内容。
然而，到了2025年，情况发生了显著变化。随着大语言模型能力的进化，AI生成的文本变得更加隐蔽且更具结构化特征。当前的AI模型更倾向于采用“三法则”（rule of three）和否定式平行（parallelism）等高级修辞手法来构建段落。这意味着AI生成的内容正逐渐融入人类的写作逻辑中，使得人工审核识别其是否由机器生成变得愈发困难。
【核心提要】
【正文报道】
为了维护百科全书内容的权威性与准确性，维基百科社区于2023年正式启动了名为“WikiProject AI Cleanup”的专项行动。该项目的核心目标是识别并清理大量由人工智能生成的低质量内容。在项目初期，辨别AI生成文本相对简单，因为当时的模型往往带有明显的特征词汇和固定的逻辑框架。
根据项目创始成员Ellia Lebleu的观察，2023年左右的AI产出常包含如“stands as a testament”（作为……的见证）、“rich cultural heritage”（丰富的文化遗产）等高度重复的陈词滥调，甚至频繁插入诸如“Why is this important?”（为什么这很重要？）之类的总结性段落。这些明显的模式让志愿者能够快速识别并剔除不符合维基百科风格的AI内容。
然而，到了2025年，情况发生了显著变化。随着大语言模型能力的进化，AI生成的文本变得更加隐蔽且更具结构化特征。当前的AI模型更倾向于采用“三法则”（rule of three）和否定式平行（parallelism）等高级修辞手法来构建段落。这意味着AI生成的内容正逐渐融入人类的写作逻辑中，使得人工审核识别其是否由机器生成变得愈发困难。
在事实准确性方面，技术手段也带来了复杂的变化。过去，AI模型常因缺乏真实数据支撑而产生虚假或误导性的引用（幻觉现象）。随着检索增强生成（Retrieval-Augmented Generation, RAG）技术的广泛应用，AI现在能够更准确地定位到真实的参考来源，从而大幅减少了凭空捏造引用的频率。
尽管如此，单纯的“找到真实源头”并不等同于“正确理解内容”。目前的挑战在于，即便有了RAG技术的加持，AI在处理复杂信息时仍频繁出现曲解原文、文不对题或逻辑偏差的问题。这种从“虚构事实”到“误读事实”的转变，为维基百科志愿者在维护高质量内容方面提出了新的技术与审核挑战。
【小编观点】
随着生成式AI技术的快速迭代，我们正进入一个“去特征化”的阶段。过去我们通过识别特定的关键词来过滤低质量内容，而未来可能需要更深层次的逻辑校验和事实核查。RAG技术的引入虽然解决了“胡编乱造”的问题，但并没有完全解决“理解偏差”的难题。对于维基百科这样的知识库平台而言，如何在高效率的AI辅助与严谨的人工审核之间找到平衡，将是未来数年内的核心课题。
背景链接：
https://spectrum.ieee.org/w...