斯坦福大学研究团队通过分析Newswire、PRWeb等平台的大量英文文稿，发现其中显著比例的文本带有AI生成特征。他们采用“分布式LLM量化框架”统计模型，估算了特定时期内AI生成文本的比例。研究涵盖了消费者投诉、企业新闻稿、招聘信息和联合国新闻稿等多种类型，结果显示，企业新闻稿中约24%、消费者投诉约18%、联合国新闻稿约14%、招聘信息约10%的内容显示出AI大模型直接生成或大幅改写的痕迹。研究指出，大型语言模型已广泛渗透到社会各领域的正式书面沟通中，成为重要的辅助工具，尤其在教育程度较低地区和中小型企业中更为普遍。随着技术发展，未来精确识别AI生成内容将更具挑战性。

📊 **AI已广泛应用于英文书面沟通**：斯坦福大学的研究表明，大型语言模型（LLMs）已被普遍用于生成各类正式书面文本。通过分析Newswire、PRWeb等平台的海量英文文稿，研究团队发现，在企业新闻稿、消费者投诉、联合国新闻稿以及招聘信息等多种类型的文本中，均存在相当比例的内容带有AI生成痕迹，部分甚至显示为AI直接生成或经过大幅改写，预示着AI已深度渗透到日常的书面沟通场景。

📈 **不同内容类型AI痕迹比例各异**：研究具体量化了AI在不同文本类型中的应用比例。在企业新闻稿中，约24%的内容被认为具有AI生成特征；消费者投诉约占18%；联合国新闻稿约14%；而招聘信息则接近10%。这种差异可能反映了不同领域对AI辅助写作工具的接受度和应用程度不同，也表明AI在提升内容生产效率方面发挥着重要作用。

🌍 **地域与企业规模影响AI使用**：研究还揭示了AI在书面沟通中的使用存在地域和企业规模上的差异。在教育程度较低的地区，使用AI撰写投诉的比例（19.9%）高于教育程度较高的地区（17.4%）。同时，中小型企业或初创公司在生成招聘信息时，更倾向于使用大模型，约有10%至15%的招聘公告显示出AI痕迹。这表明AI工具的普及程度和应用策略在不同社会经济背景下有所不同。

🧐 **未来AI识别难度增加**：研究人员强调，随着生成式AI技术的不断进步，其生成的文本在风格上越来越接近人类写作，这使得未来精确识别AI在文本创作中的参与程度变得愈发困难。这一趋势对内容真实性、版权归属以及信息传播的可靠性等方面提出了新的挑战，需要持续关注和研究。

IT之家 10 月 7 日消息，Cell Press 旗下期刊《Patterns》近日刊登斯坦福大学研究团队报告，相应研究团队对 Newswire、PRWeb 和 PRNewswire 等各大平台英语文稿进行分析，发现其中有大量文稿带有 AI 痕迹，认为大模型已被广泛应用于各类正式书面沟通场景。

据介绍，相应团队采用了一套名为“分布式 LLM 量化框架”（Distributional LLM Quantification Framework）的统计模型，从语料整体的语言特征分布中估算特定时间段内含有 AI 生成特征的文字比例。但该方法仅适用于英语，因此上述结果仅反映了英文语料中具备 AI 特征的比例，并不意味着整篇文章“完全由 AI 撰写”。

IT之家参考报告获悉，相应团队分析了去年共计 68.7 万条消费者投诉、53.7 万篇企业新闻稿、3.04 亿份招聘信息以及 1.6 万篇联合国新闻稿，发现其中约 24% 的企业新闻稿、18% 的消费者投诉、14% 的联合国新闻稿，以及接近 10% 的招聘内容“几乎由 AI 大模型直接生成，或经过大幅改写”。

研究人员指出，LLM 已深入渗透社会各领域的正式文本写作，逐渐成为人们日常书面表达的重要辅助工具。尤其是在教育程度较低的地区，使用 AI 撰写投诉的比例达到 19.9%，明显高于教育程度较高地区的 17.4%。在招聘信息方面，中小型企业或初创公司更倾向于使用大模型生成内容，其中约有 10% 至 15% 的招聘公告包含明显的 AI 痕迹。

研究人员同时表示，随着生成式 AI 技术的不断进步，其文风愈发接近人类，未来要精确识别 AI 在文本创作中的参与程度将变得愈发困难。