用AI打败AI,利用ai指令对头条文章进行查重测试,结果出乎意料

前言:现在的ai真的太火爆了,让人不得不感叹ai的神奇之处,让我们一起来探讨下ai的强大之处吧!本文仅限学习研究。

背景:最近看到很多人用ai写文章,然后被头条判定为疑似ai生成,所以想研究学习下今日头条先进的检测机制。

然后我自己也尝试用ai生成了一篇文章,想测试下,果不其然,虽然看着已经很接近人类的风格了,但是还是被头条检测到疑似ai生成。通过一些测试,发现头条的文章检测机制可能分为2步,

第一步:对AI生成文章的常见特征进行检测。也就是说,你的文章要是连基本的ai特征都过不了,那么只要你的文章发布成功,不出1秒,立马判定ai生成。这里给出AI初步检测的指令,能进行一些基础的检测:

                "- **语言流畅性**:检查文章语言是否自然,避免AI的生硬表达。 
                "- **逻辑与深度**:评估文章内容是否深入、有条理。
                "- **独特性与原创性**:分析文章是否具有独特观点和原创性。 
                "- **结构与模式**:观察文章结构,避免固定模式。
                "- **情感与主观性**:判断文章情感色彩和主观观点的真实性。  
                "- **异常词汇与表达**:注意异常词汇或表达方式。 
                "- **辞藻使用**:警惕过度华丽或生硬的辞藻。  
                "- **段落构造**:检查段落构造和转折是否自然。 
                "- **标题与分段**:确保文章标题明确,分段清晰。  
                "- **语义分析与对比**:进行语义分析,利用搜索引擎对比内容。 
                "- **标点符号使用**:检查是否包含非人类写作常用的标点。  
                "- **词汇与术语**:评估词汇使用是否符合背景,避免不自然或过度重复。 
                "- **句子结构**:观察句子结构多样性,避免模式化。  
                "- **段落组织**:分析段落组织是否自然流畅。  
                "- **信息密度**:评估信息分布是否均匀。  
                "- **逻辑连贯性**:检查文章各部分之间的逻辑关系是否流畅。  
                "- **观点与论证**:分析文章观点和论证是否深入、涉及复杂概念。  
                "- **上下文敏感性**:检查文章对上下文的敏感性,包括引用、解释和扩展。  
                "- **异常文本特征**:识别拼写、语法、标点使用不当等异常特征。
                "- **关键词与信息提取**:对下面文章进行全面语义分析,抽取出关键字及主要信息;。
                "- **对比搜索**:对文章进行全面语义分析,抽取出关键字及主要信息;
                然后通过Google 或者百度搜索引擎搜索关键词或者主要信息,在搜索结果中,
                查看标题,关键词,关键信息,找到与上述文章内容相似或相关的文章,
                阅读找到的相似文章,全面比较其内容与上述文章的相似程度,包括事件描述、
                分析、反思、建议、总结、关键词,关键信息等方面,并且列举出来。
                "- **AI生成判定**:明确指出可能被判定为AI生成的方面,并依次列出具体句子。
                "- **原创度评分**:对文章原创度进行打分,格式为“原创度打分:xx%”。

如果上面的原创度打分超过90%,那么检测第一关大概率过了,这时候就来到了最苛刻的检测了。

第二步:把文章丢到池子中利用大数据进行多方面的技术查重,大概10分钟出结果。如果这关过了,那么文章大概率被判定为原创。

下面是关于第二步的一些实测过程。

我先用ai根据主题写了一篇爆文结构的文章,让后来个初步测试,让ai进行分析。

指令内容:

请帮我分析下面文章内容是否由ai生成。

结果:不出意外,ai判定为人为写作。但是实际经过某平台判定为疑似AI生成。

AI回答的结果:

显而易见,AI自身检测不出来。

下面对该文章再次调试新的查重指令。结果仍然失败,不符合预期。ai仍然判定不出来。

指令:请你从文本相似性,句式相似性,文章结构相似性及语义相似性等标准进行分析。

再次进行指令调优,这次的效果得到了大幅度提升,终于检测出来了。

指令:请进行联网搜索,查询相似内容,并且从文本相似性,句式相似性,文章结构相似性及语义相似性等标准进行分析,列出相似句子。

结果:检测出明显AI特征。

下面是检测结果,判定ai生成的明显证据。

好了,基于上面的测试,我们大概知道了头条的原创检测有多严格了,所以呼吁大家尽可能原创,不要想着规避检测,着力放在提高文章质量上。我是网创有方的站长,如果您有什么想交流的,欢迎下方评论区或者私信讨论学习。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/734694.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

ES6 解构赋值详解

ES6是JavaScript语言的一次重大更新,引入了许多新特性和语法改进,其中解构赋值是一个非常实用和灵活的语法特性。它可以让我们从数组或对象中提取值,并赋给对应的变量,让代码变得更加简洁和易读。本文将深入探讨ES6解构赋值的语法…

ROS | 常见故障排查

1.开启后发出一个WIFI WIFI名字:WHEELTEC接数字 安全密钥:dongguan 2.显示屏接口 USB接口接键鼠 3.远程登录命令 ssh -Y wheeltec192.168.0.100 是小车发出的WIFI的一个IP地址 4. 登录后确保IP地址 ip a 看一下 当前ip地址 倒数第四行-当前ip地址 1…

简易部署的设备日志采集工具

永久免费: Gitee下载 最新版本 使用说明: Moretl 企业级采集文件工具 优势: A. 开箱即用. 解压直接运行.不需额外安装. B. 批管理设备. 设备配置均在后台管理. C. 无人值守 客户端自启动,自更新. D. 稳定安全. 架构简单,内存占用小,通过授权访问.

数据结构---二叉树前中后序遍历

1. 某完全二叉树按层次输出(同一层从左到右)的序列为 ABCDEFGH 。该完全二叉树的前序序列为() A: ABDHECFG B: ABCDEFGH C: HDBEAFCG D: HDEBFGCA 2. 二叉树的先序遍历和中序遍历如下:先序遍历: EFHIGJK; 中序遍历: HFIEJKG. 则二叉…

[数据集][目标检测]药片药丸检测数据集VOC+YOLO格式152张1类别

数据集格式:Pascal VOC格式YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):152 标注数量(xml文件个数):152 标注数量(txt文件个数):152 标注类别…

企业级Web项目中应该如何做单元测试、集成测试和功能测试?

先自我介绍下: 本人有过10年测试经验,也参与过公安部网络安全产品测试交付、华为4G 网络设备测试交付、腾讯QQ空间APP产品测试交付。 关于“企业级Web项目中应该如何做单元测试、集成测试和功能测试”这个问题,我想给大家唠唠,我…

Django数据驾驶舱

Django数据驾驶舱 1.项目介绍2.项目结构3.库表结构3.1 appcsdn的models3.2 appssq的models3.3 appweather的models3.4 appweibo的models 4.功能展示5.解决问题5.1 路由配置5.2 后端数据与前端echarts展示5.3 长图表丝滑滚动条 6.遗留问题7.资源分享 1.项目介绍 这里介绍本人最…

excel数据透视

Excel中,数据透视图(PivotChart)和数据透视表(PivotTable)是两个紧密相关的工具,用于分析数据。数据透视表是数据透视图的数据源,也就是说,数据透视图是基于数据透视表中的数据创建的…

判断题无答案22届期末复习

判断: 1-3.结构体变量不能进行整体输入输出。 1-4.不同类型的结构变量之间也可以直接赋值。 1-5假设结构指针p已定义并正确赋值,其指向的结构变量有一个成员是int型的num,则语句 (*p).num = 100; 等价于p->num=1…

Linux下多进程访问同一个共享库处理流程

两个测试程序实现调用同一个SO库: ​​​​​​​ #include <stdio.h> #include "a/a.h" #include <unistd.h> int main() { int a = 4,b = 5; sum(a, b); int ret = get(); printf("ret=%d\n", ret); sleep(100)…

如何用好swoole/webman/workerman/hyperf呢

Webman框架的依赖 "require": { "php": ">7.2", "workerman/webman-framework": "^1.5.0",// "monolog/monolog": "^2.0" }, 依赖的核心框架也是很久的了 webman-framework的核心依赖 &q…

Ubuntu下FastDDS的源码编译和简单测试

FastDDS是eprosima公司开发的DDS&#xff08;Data Distribution Service&#xff09;库&#xff0c;使用的语言是C&#xff0c;自称是"The Most Complete Open Source DDS Middleware"&#xff0c;其官网是https://eprosima.com/&#xff0c;FastDDS源码在https://gi…

【面试干货】HashSet 和 TreeSet 的区别

【面试干货】HashSet 和 TreeSet 的区别 1、实现方式HashSetTreeSet 2、性能添加、删除和查找操作的时间复杂度HashSetTreeSet 3、元素唯一性4、迭代顺序HashSetTreeSet 5、使用场景HashSetTreeSet 6、示例代码 &#x1f496;The Begin&#x1f496;点点关注&#xff0c;收藏不…

Android 屏幕旋转 处理 AsyncTask 和 ProgressDialog 的最佳方案

初始化数据 */ private void initData(Bundle savedInstanceState) { if (savedInstanceState ! null) mDatas savedInstanceState.getStringArrayList(“mDatas”); if (mDatas null) { mLoadingDialog new LoadingDialog(); mLoadingDialog.show(getFragmentMana…

AI网络爬虫:搜狗图片的时间戳反爬虫应对策略

如何批量爬取下载搜狗图片搜索结果页面的图片&#xff1f;以孙允珠这个关键词的搜索结果为例&#xff1a; https://pic.sogou.com/pics?query%E5%AD%99%E5%85%81%E7%8F%A0&mode2 翻页规律如下&#xff1a; https://pic.sogou.com/napi/pc/searchList?mode2&start38…

Python: HexBinDecOct

因为&#xff1a; f0b1001110# 十进制 int()a0*2**01*2**11*2**21*2**30*2**40*2**51*2**6print(a)# 八进制 oct()print(78/8,78%8)# 110 001 001 8 116print(1*2**00*2**10*2**2,1*2**00*2**10*2**2,0*2**01*2**11*2**2)#十六进制 hex()#0 100 1110 16 4Eprint(sixteenFoo(0*…

2024-06-23 编译原理实验5——目标代码生成

文章目录 一、实验要求二、实验设计三、实验结果四、附完整代码 补录与分享本科实验&#xff0c;以示纪念。 一、实验要求 在词法分析、语法分析、语义分析和中间代码生成程序的基础上&#xff0c;将C−−源代码翻译为MIPS32指令序列&#xff08;可以包含伪指令&#xff09;&…

Windows程序设计课程作业-3(文件并发下载)

目录 目录 1.作业内容 2.作业要求 3.主要思路 1&#xff09;窗体和组件初始化 2&#xff09;下载管理器实例化 3&#xff09;按钮点击事件处理 4&#xff09;窗体加载事件处理 5&#xff09;下载消息处理 4.主要难点 1&#xff09;多线程管理&#xff1a; 2&#xff09…

理解傅里叶变换不同的数学表达形式

文章目录 前言一、三角函数分解形式推导&#xff1a;1.正交性&#xff1a;2.系数求解&#xff1a;1.A02.an&#xff0c;bn 二、指数形式1.推导与三角形式的对应关系&#xff1a; 2.信号与系统中的概念1.|Cn|是第n次谐波的幅度2.φn是第n次谐波的相位3.谐波分量 文章来源 前言 …

OPENCV中0x00007FFE5F35F39C发生异常

原因&#xff1a;读取图片时已经为灰度图像&#xff0c;又进行了一次灰度处理cvtColor 解决方法&#xff1a;如上图所示&#xff0c;将cv::imread的第二个参数改为cv::IMREAD_COLOR&#xff1b;或者保留cv::IMREAD_GRAYSCALE&#xff0c;删去后面的cv::cvtColor