The Perplexity Trap: When Patent Law Makes Human Writing Look Like AI

背景

欧洲专利局（European Patent Office, EPO）在2025年迎来创纪录的专利申请量，而2026年EPO审查指南明确要求申请人就LLM辅助生成的内容承担严格责任，依据《欧洲专利公约》第83条（充分公开）和实施细则第42条（申请文件形式要求）。这使得审查压力下，区分疑似AI生成的专利文本变得迫切。

然而，实际专利审查场景面临两个硬约束：

1. 硬件约束：审查方通常只配备消费级GPU，显存约8 GB，无法部署数据中心级的评分系统。
2. 法律约束：《欧洲专利公约》第84条要求权利要求（claims）必须“清晰、简洁”（clear and concise），这迫使人类撰写者主动将文本推向低困惑度（low-perplexity）、低突发性（low-burstiness）的流形——而这恰好与LLM生成的文本特征重叠。

简言之，法律对专利文本风格的要求，使人写文本在统计特征上与AI生成文本“撞车”，形成一种困惑度陷阱（Perplexity Trap）。

核心内容

研究团队以500件已获授权的EPO H04（电信）类专利为样本，针对每件专利的权利要求部分，用五种不同的提示策略（prompting strategies）生成了对应的500篇LLM模拟文本，作为对照组。所有检测均在消费级硬件（约8 GB显存）上完成。

他们基准测试了三种开源的零样本（zero-shot）AI文本检测器：

• Binoculars
• Fast-DetectGPT
• DetectGPT

在权利要求级别（claim-level）的检测结果如下：

| 检测器 | 假阳性率（FPR） | |--------|----------------| | Binoculars | 78.3% | | Fast-DetectGPT | 61.3% | | DetectGPT | 80.5% |

所有检测器的假阳性率均超过60%，意味着大量人类撰写的权利要求被错误标记为AI生成。这一失败模式具有系统性，而非模型容量不足所导致。研究团队进一步做了多组鲁棒性测试：

• 用 Qwen2.5-3B-Instruct 重新生成文本
• 用 LoRA 适配的 Pythia-2.8B 替换评分头（scoring head）
• 跨 IPC 分类复制：在 A61K（医药）、C07D（有机化学）、F03D（风力发电）三个领域重复实验，平均假阳性率仍高达 84.6%
• 在 H100 GPU 上使用已发布的 Falcon-7B 和 GPT-J-6B 评分头重新评估——结果依旧

这些结果表明：问题根植于专利文本自身的结构特性，而非检测模型或硬件的选择。

最后，团队提出一种基于七项语言学复杂度特征的逻辑回归模型（logistic regression），在同样硬件预算下，推理时不使用任何似然（likelihood）信息，达到 74.0% 准确率，假阳性率 28.1% ——相比仅使用困惑度（perplexity）的基线模型，在相近工作点（operating point）上提升了13个百分点。

关键要点

• 法律要求与AI特征趋同：欧洲专利法要求权利要求清晰、简洁，迫使人类写作者主动降低文本的困惑度和突发性，这与LLM的固有输出特征高度重合，导致传统基于困惑度的检测方法失效。
• 消费级硬件限制：实际审查场景难以部署大规模评分模型，只能使用约8 GB显存的GPU，这限制了检测器的选择空间和精度。
• 所有主流零样本检测器均告失败：Binoculars（FPR 78.3%）、Fast-DetectGPT（FPR 61.3%）、DetectGPT（FPR 80.5%）在权利要求级别均产生不可接受的假阳性率。
• 失效是结构性的，而非模型特定：通过替换生成模型、评分头、IPC分类甚至硬件（H100），高假阳性率现象依然存在，说明问题根源在于专利文本本身的语言分布。
• 无需似然的多特征模型有效：七项语言学复杂度特征（如句长变异、词汇多样性、句法深度等）构成的逻辑回归模型，在不依赖LLM内部概率的情况下，达到74%准确率和28.1%假阳性率，明显优于单维度困惑度基线。
• 跨领域泛化性差：在电信之外的医药、化学、风力发电领域，检测假阳性率甚至更高（平均84.6%），表明单一领域样本训练的检测器难以推广。

意义与影响

1. 对专利审查实践的警示：论文直接揭示了EPO 2026年指南可能引发“误伤”风险——大量人类撰写的合法专利申请可能因AI检测器的高假阳性率而被驳回或要求补正，增加申请人和审查员的不必要负担。

2. 纠正AI检测的研究方向：当前许多AI文本检测工具将低困惑度作为关键判别特征，但专利领域证明这一策略在法律约束下不可行。研究呼吁：检测器必须融入领域特定的知识（如专利撰写规范、法律惯例），而非仅依赖通用统计特征。

3. 推动更公平的审查技术：七特征逻辑回归模型虽然远非完美，但提供了一个既满足硬件约束、又无需访问LLM内部状态的可落地方案。它表明：在资源受限场景下，轻量级语言学特征可以有明显增益。

4. 引发对“AI写作权”的法律讨论：如果法律本身强迫人类与AI使用相同的语言模板，那么单纯基于文本特征追溯AI参与是否合理？论文间接质疑了以文本统计相似性“定罪”的法律逻辑基础。

5. 跨领域推广的挑战：不同技术领域（电信 vs. 医药 vs. 化学）的专利文本风格差异显著，检测器需要领域自适应，否则假阳性率会进一步恶化。这增加了部署通用AI审查系统的成本与难度。

总而言之，这篇论文不仅是一份技术报告，更是对当前AI检测工具在特定法律/文本体裁下适用性的深刻反思。它提醒我们：当法律规则塑造了文本风格，而AI又学会了模仿这一风格，那么“谁写了文本”这个问题，可能永远没有统计上的确定答案。