各种“AI 味”：当算法痕迹成为互联网的新常态

背景

近期，一篇题为《Various LLM Smells》（各种 LLM 气味/痕迹）的文章在 Hacker News（HN）首页引发热议。作者是一名数学博客博主，他在去年年底开始尝试使用大型语言模型（LLM）来润色和增强其数学博客的写作。

起初，作者对 AI 生成的文本感到满意，认为其词汇量更丰富、句式结构更有趣，且当时并未觉得这些文字带有明显的“AI 垃圾”（AI-slop）感。然而，大约三个月后，作者震惊地发现，自己博客中使用的特定句式结构竟然在整个互联网上广泛出现。这一经历促使作者开始反思并收集那些在各类 AI 辅助任务中逐渐显现、如今已易于识别的“AI 气味”（AI-smell）或“AI 痕迹”。

核心内容

作者通过两个主要领域——LLM 写作和 AI 生成的网站——具体阐述了这种“AI 气味”的表现形式。

1. LLM 写作中的典型特征

除了显而易见的破折号（em-dashes）滥用外，作者列举了其数学博客草稿中出现的几种典型 AI 生成文本特征，这些特征随后在网络上大规模复制：

• 过多的“梗”或点睛之笔（Way too many punchlines） LLM 倾向于在每一段或每一句中强行加入看似深刻或幽默的结论，导致文本显得刻意。例如：

  • “人类信任对称性，因为它看起来像是可见的智慧。”（Humans trust symmetry because it feels like intelligence made visible.）
  • “老虎符合故事逻辑，金庸符合物理定律。”（The Tiger fit the story. Jin-yong fit the physics.）
  • “对称性成为一种陷阱。”（Symmetry becomes a trap.）

• 连续的短句（Consecutive short sentences） AI 经常使用短促、有力的句子来制造节奏感，但往往连续使用，显得生硬。例如：

  • “然而，倾斜并非偶然。它是最优解的形状。”（Yet the tilt is not an accident. It is the shape of the optimum.）
  • “然后 AlphaEvolve 出现了。它对对称性没有偏好。没有美学先验。没有保护和谐的直觉。”（Then AlphaEvolve arrived. It had no preference for symmetry. No aesthetic prior. No instinct to preserve harmony.）
  • “这些例子并非装饰。它们构成了一个分布式论证。”（These examples are not decorative. They form a distributed argument.）

• 僵化的比喻句式：“X 是 Z 的 Y”（"X is the Y of Z"） AI 喜欢使用这种结构来强行建立概念间的联系。例如：

  • “尴尬是沿着你选择的梯度移动时可见的签名。”（Cringe is the visible signature of moving along a gradient you chose.）

• 模板化的否定与肯定结构：“不仅仅是 X，而是 Y”（"not just X, its Y"） 这种句式常被用来提升文本的“深度”，但显得千篇一律。例如：

  • “那些不仅满足约束条件，而且满足美学直觉的解决方案。”（solutions that do not merely satisfy the constraint but satisfy the aesthetic instincts）

2. AI 生成网站中的视觉特征

除了文本，AI 辅助生成的网页也呈现出高度一致的视觉“气味”，主要体现为对特定设计元素的过度依赖：

• 字体滥用：JetBrains Mono 这是开发者社区常用的等宽字体，但在 AI 生成的网页中，它被不加区分地用于所有文本，包括非代码部分，形成了一种独特的“AI 网站”视觉风格。

• 标准化的 UI 组件 带有该字体的网页往往包含完全相同的交互元素：

  • 特定的“步骤”（step）指示器和项目符号样式。
  • 完全一致的按钮设计。
  • 完全一致的内容卡片（cards）布局。
  • 徽章组件中闪烁的小圆点（blinking-dot）。
  • 标准化的脚注格式。

作者强调，他并不反对在创意任务中使用 LLM 或 AI，这仅仅是他对当前互联网上日益明显的算法痕迹的一种观察和记录。

关键要点

• AI 痕迹的可识别性正在增强：随着 AI 生成内容的普及，原本隐蔽的算法特征（如特定的句式、词汇偏好、设计模板）正在演变为一种可以被人类轻易识别的“气味”。
• 文本风格的同质化：LLM 倾向于使用高密度的“金句”、连续的短句以及僵化的比喻结构，导致不同来源的 AI 生成文本在风格上高度趋同，失去了个体作者的独特性。
• 视觉设计的算法化：在网页设计领域，AI 生成的内容倾向于复用相同的字体（如 JetBrains Mono）、按钮、卡片和交互组件，导致互联网视觉体验出现新的标准化趋势。
• 传播速度与范围：AI 生成的特定风格或模板可以在短时间内（如三个月内）从个人博客扩散至整个互联网，显示出算法生成内容强大的复制和传播能力。
• 非敌意观察：作者指出，发现这些“气味”并非为了反对 AI 技术，而是作为一种对当前数字内容生态变化的敏锐观察。

意义与影响

这篇文章揭示了生成式 AI 对互联网内容生态产生的深远影响，其意义远超出了单纯的“文本质量”讨论：

1. “AI 审美”的形成与固化： 正如人类有特定的写作风格，LLM 正在形成一种可被识别的“算法审美”。当这种审美被大规模复制（如上述的句式、字体、UI 组件），互联网内容将面临严重的同质化风险。用户可能会逐渐对这种“平滑但空洞”的风格产生审美疲劳，或者反过来，将其视为“专业”或“现代”的标准。

2. 原创性与作者身份的模糊： 当 AI 生成的句式结构遍布全网，人类作者使用 AI 辅助写作与纯 AI 生成的界限变得模糊。这不仅挑战了传统的内容原创性定义，也可能导致读者难以区分哪些内容承载了真实的人类思想，哪些仅是概率模型的输出。

3. 对内容创作者的警示： 对于希望保持独特风格的内容创作者而言，这篇文章是一个警示。过度依赖 LLM 进行润色或生成，可能会导致个人风格被算法的“平均化”特征所吞噬。创作者需要更加警惕那些看似高级实则通用的 AI 表达套路。

4. 数字内容的“防伪”需求： 随着“AI 气味”成为可识别的特征，未来可能会出现针对 AI 生成内容的检测工具或标准。这不仅关乎版权，也关乎信息的真实性。识别这些“气味”将成为数字素养的一部分，帮助用户在信息洪流中辨别内容的来源和性质。

5. 设计领域的算法惯性： 在 Web 设计领域，AI 工具倾向于复用经过验证的组件库（如 JetBrains Mono、特定按钮样式）。这虽然提高了效率，但也可能导致设计多样性的丧失，使互联网界面呈现出一种“算法统一性”，削弱了品牌或个人的视觉辨识度。

总之，《Various LLM Smells》不仅是一篇关于 AI 写作风格的吐槽，更是对当前数字内容生产方式的一次深刻反思。它提醒我们，在享受 AI 带来的效率提升时，必须警惕其带来的风格同质化和原创性稀释问题。