欧美学术界为何对“AI检测器”保持高度怀疑？

近两年，中国互联网上悄然兴起了一种颇为奇特的文化现象。无论是高校教师、期刊编辑、求职者还是自媒体作者，似乎都在热衷于寻找一件东西——"AI腔"。各类教程应运而生，内容也是高度一致：删掉"首先、其次、最后"、划掉"值得注意的是"、不用"不仅……而且……"、把长句切短、减少总结句……仿佛只要把这些语言"病灶"一一切除，一篇文章就能重新带上"人味儿"。

各大平台上，"AI腔识别指南""去AI腔100个技巧""AI高频词汇黑名单"这类内容持续走红，俨然形成了一场声势浩大的文化运动。

有意思的是，美国和欧洲虽然也在广泛使用ChatGPT、Claude、Gemini等大语言模型，却并没有出现这样一场全民性的"AI腔猎巫"。英语世界当然也有人会说"You sound like ChatGPT"、"This has an AI vibe"，也有不少关于"如何让AI写得更像人"的建议，但很少有人热衷于建立一份可以机械删除的"AI高频词汇词典"，更没有形成一场围绕某些连接词展开的大规模社会运动。

这个差异很耐人寻味。不过，要真正解释"为什么没有猎巫"，首先得回答一个更根本的问题：为什么在中国出现的，不只是一场"关于AI腔的讨论"，而是一场真正意义上的"猎巫"——这两者，可不是一回事。

1. 猎巫与讨论之别：当语言痕迹成为道德指控

"猎巫"这个词，不是修辞上的夸张。猎巫跟正常的讨论，存在一条清晰的界限：讨论是在分析一种现象，而猎巫是在寻找证据、以便定罪。发现"首先…其次"，就等于发现了AI；发现了AI，就等于发现了欺骗。从语言特征到道德判断，这个推论链条在"AI腔猎巫"文化中几乎是自动完成的。

这种自动化的道德判断，正是理解"猎巫"为何形成的关键。AI腔之所以不只是一个风格问题，而是迅速演变为一种道德指控，是因为它被嵌入了一套已经根深蒂固的诚信框架——其核心逻辑是：留下痕迹，就是证明作弊。

在数字时代的中国学术与教育场景中，"痕迹识别"早已是规范管理的核心机制。论文查重系统（知网、维普等）长期以来训练着一种判断直觉：文本相似度一旦超过某个阈值，便构成学术不端。抄袭、代写、"枪手"——这些行为的共同特征，都是在文本中留下可检测的痕迹。因此AI的出现，在很多人的认知框架里，几乎是自动地被纳入了这个历史序列：使用AI，就是留下了一种新的痕迹；发现这种痕迹，就意味着发现了不诚信行为。

这种道德化的逻辑，在欧美的讨论中相当罕见。原因在于，欧美的学术诚信讨论从来不以"痕迹识别"为核心——它更依赖论文选题的独创性、研究过程的透明性、数据来源的可追溯性，而不是文字层面的相似度检测。这种根本不同的诚信管理文化，使得欧美不具备将AI腔自动道德化的制度性前提。

此外，语境也在发挥作用。在中国，AI辅助写作的大规模使用，正好发生在高考作文禁用AI、学术论文查AI率、求职简历查原创性等一系列制度性禁令出台的同时期。这些禁令将AI使用明确框定为一种需要被"发现"和"惩处"的行为，进一步强化了"AI腔即作弊证据"的道德化逻辑。

从历史和社会学的角度看，每一次猎巫都需要同时满足三个条件：第一，把某种模糊的焦虑具象化为可识别的痕迹；第二，将发现这种痕迹等同于确认罪行；第三，把这种确认转化为集体性的清除行动。"AI腔猎巫"几乎完美地满足了这三个条件：将弥漫性的AI焦虑具象化为"首先其次"这样的词汇标记；把发现这些标记等同于发现AI使用；把这一发现转化为一种去除、规避和指责的集体行动。

猎巫之所以能迅速扩散，与知识共同体在公共讨论中的角色也密不可分。每一种新技术都会首先触发公众的直觉反应。面对生成式人工智能，普通人的第一反应往往是："这些词越来越像AI了""是不是用了'值得注意的是'就说明用了ChatGPT？"这种直觉本身并不奇怪，它是任何陌生技术进入社会时都会出现的经验判断。

真正决定公共讨论质量的，不是公众最初怎么反应，而是知识共同体如何回应这种直觉。

一个成熟的知识共同体，不会简单重复公众已有的印象，而是会不断检验这些印象是否成立，解释其中哪些是真实现象，哪些是统计幻觉，哪些只是经验观察，哪些已有可靠证据支撑。知识分子的责任，不仅仅是表达公众已经相信的东西，更重要的是帮助公众区分直觉与证据、印象与事实、相关性与因果性。

从这个意义上说，欧美关于AI写作的讨论之所以很快转向检测可靠性、误判风险、语言同质化与认知影响，并不仅仅因为技术研究更成熟，也因为不少研究者主动把公众最初提出的问题继续向前推进。当社会开始讨论"怎么识别AI"时，他们追问的是："这种识别可靠吗？""我们是否误解了AI的生成机制？""真正值得担忧的问题是不是已经改变了？"

相比之下，如果公共讨论长期停留在"哪些词最像AI"这一层，而知识共同体又不断通过各类"AI高频词""去AI腔指南"去强化这种印象，那最初只是公众经验判断的一种直觉，就容易逐渐演变为一种几乎不再受到质疑的公共常识。当这种常识进一步进入教育评价、论文审查和求职筛选等制度实践时，一场真正的"AI腔猎巫"便形成了。知识共同体的责任，不是替公众确认直觉，而是不断检验直觉；不是迎合焦虑，而是澄清焦虑。

2. 语言痕迹判断身份：一种更古老的文化机制

但如果把"AI腔猎巫"看作一种全新的现象，那本身就是一种缺乏历史观的误解。它所激活的，实际上是一种相当古老的文化机制：人类通过语言痕迹来判断一个人的身份、来源和可信度。

语言学家很早就注意到一个区分：个人语言（idiolect）——每个人独特的语言特征——与社会方言（sociolect）——某个社会群体共享的语言模式。对语言痕迹的判断，本质上就是对一个人所属语言共同体的判断——一个人说话的方式，暴露了他来自哪里、受过什么教育、属于哪个社会阶层。这种判断在人类社会中几乎无处不在，而且往往是自动的、不自觉的。

从这个角度看，AI腔猎巫不过是这种古老机制在新技术语境下的最新变体。历史上反复出现的类似现象，为理解当下提供了有益的参照。

十八世纪的法国，人们对"法国腔"有着高度警觉——那些大量使用法语词汇和句式的英语文章，会被认为其作者缺乏独立性，是法国文化的模仿者而非英国思想的代表。十九世纪，"翻译腔"成为一种识别文化身份的标志，一篇中文文章如果带有过多西式句法，立刻会被判断为出自"留洋人士"或"买办阶层"之手。二十世纪的中国，"党八股"的讨论同样是一场关于语言痕迹的批判——1942年的延安整风中，将"党八股"列为需要反对的文风，其识别标准也是一套可辨认的语言标记："言之无物""空洞抽象""无的放矢"。这与今天"AI腔词典"的逻辑，在结构上几乎如出一辙。

这一历史视野揭示了一件重要的事：对语言痕迹的道德化判断，从来不只是语言学问题，而是一个权力问题——谁有权定义"纯正"的语言，谁有权将某种语言标记判定为"他者"的痕迹，谁有权据此展开清除行动。每一次"猎腔"运动背后，都有一套关于语言纯正性的规范预设，而这套预设从来不是中性的。

"AI腔猎巫"也是如此。它背后的预设是：真正的、可信任的写作，应当符合某种"人类自然语言"的标准——而这个标准本身就是一个充满张力的概念。"人类自然语言"是什么？是口语化的、不规则的，还是经过教育训练的、规范化的？在什么样的历史和文化语境下形成的？谁的语言习惯构成了这个标准的基础？这些问题，在猎巫文化中几乎从未被追问过。

3. 欧美：对检测器本身保持高度怀疑

欧美没有形成"AI腔猎巫"，还有一个常常被忽视的重要原因：欧美学术界和技术界，对AI检测器本身一直保持着高度的认识论怀疑。

自Turnitin等公司推出AI检测功能以来，关于这些工具可靠性争议从未停歇。多项独立研究发现，AI检测系统存在大量误判，而且误判呈现出明显的系统性偏向：对英语为第二语言的学生，误判率显著高于英语母语者；对使用正式书面语的非洲裔美国学生，误判率同样偏高；创意写作中刻意追求简洁、重复的风格，有时会被误判为AI生成；学术写作中使用标准术语和规范句式的段落，同样容易触发检测系统的警报。

这些发现，在欧美引发了相当严肃的学术伦理讨论。如果一个检测系统的误判率本身就具有种族和阶层偏向，那么在任何具有实质性后果的评判中使用这一系统，就构成了一种制度性的不公正。这种讨论，促使越来越多的北美大学修改了关于AI使用的政策文件，明确规定AI检测结果不能作为学术不端认定的唯一证据——单独的检测报告，在没有其他佐证的情况下，不能触发任何正式的纪律程序。

这种制度性的怀疑，从根本上改变了欧美对"识别AI痕迹"这件事的文化预期：既然连最先进的检测系统都无法可靠地区分AI与人类写作，那么光靠找几个连接词作为判断依据，就更是无稽之谈了。

这种认识论上的谦逊，在中文互联网的"AI腔猎巫"中几乎是缺席的。很多人相信，看见"值得注意的是"就等于发现了AI，完全忽视了这一推断在统计上的极端不可靠性。实际上，这种推断依赖的是对条件概率的基本误解：即使某个句式在AI生成文本中间出现的频率确实高于人类写作，也不意味着出现这个句式的文本就是AI写的——因为在数量庞大的人类写作中，这个句式的绝对出现次数，可能远远超过AI生成文本中的出现次数。

更重要的是，一个经常被忽略的事实是：AI的语言，从来就不是一种来自外部世界的"异类语言"。今天的大语言模型，并不是凭空创造出一种新的表达方式，而是在数以万亿词的人类文本中学习语言。它所学习的对象，恰恰包括了人类最优秀的写作传统——经典文学、哲学著作、学术论文、新闻报道、公共演讲以及互联网中的大量高质量文本。也就是说，AI语言从一开始就是人类语言的统计浓缩，而不是人类语言的对立面。

正因为如此，优秀的人类写作与优秀的AI写作，在许多局部特征上本来就应当高度相似。一个严谨的学者会使用规范的概念，一个成熟的作者会安排清晰的论证，一个经验丰富的教师会使用自然的过渡句——这些都不是AI创造出来的，而是AI从人类那里学来的。如果仅仅因为一篇文章逻辑清晰、语言规范、结构完整，就怀疑它出自AI，那么真正受到怀疑的，实际上首先是人类自己的写作传统。

从这个意义上说，AI检测始终存在一个无法消除的认识论困境：它试图在一个由人类语言训练出来的系统中，寻找一种完全不同于人类语言的"AI语言"。然而，这种语言从来没有真正存在过。AI最成功的地方，恰恰在于它越来越接近人类已经建立起来的优秀语言传统，而不是越来越远离它。

4. 两种研究对象：寻找AI，还是理解AI？

如果说中文互联网关于"AI腔"的讨论，主要是在寻找一种可以识别AI的语言痕迹，那么欧美真正投入巨大资源研究的，却是一个完全不同的问题：AI生成的文本，究竟是否具有某种可以被可靠识别的统计特征？

这两个问题乍看相似，实际上研究对象已经完全不同。前者关注的是语言表面的可见标记，希望找到几个足以暴露AI身份的词汇、句式或修辞习惯；后者关注的是文本生成机制本身，希望理解机器究竟通过什么统计规律生成语言，以及这些规律是否会在文本中留下可以被稳定检测的结构性特征。

也正因为研究对象不同，欧美技术界从一开始就没有把注意力放在"首先""其次""总而言之"之类的语言标志上。对于自然语言处理研究来说，单个词汇从来都不是可靠的判断依据——任何词汇都可以轻易替换，任何句式都可以刻意改写，甚至可以用另一个AI再次润色，从而消除绝大多数表层痕迹。真正难以伪造的，不是几个词，而是整个文本在概率意义上的分布特征。

因此，Turnitin、GPTZero、Originality.ai、Copyleaks等检测系统真正分析的，是文本背后的统计特征：词元概率、困惑度、熵，以及"突发性"——即句子长度、词汇选择和表达节奏的不规则波动。

困惑度这个概念尤其值得一提。大语言模型生成文本时，本质上是不断预测"下一个最可能出现的词元"。为了提高预测准确率，它倾向于选择统计上概率更高、更稳定、更符合已有语言模式的表达。因此，在统计模型看来，AI生成的文本通常具有较低的"出乎意料程度"，也就是较低的困惑度；而人类写作由于受到个人经验、情境、情绪、联想甚至偶然性的影响，往往更加不规则、更难以预测，所以整体困惑度通常更高。这种统计特征，比任何具体词汇都更接近AI的生成机制本身。

然而，随着研究不断深入，欧美技术界很快意识到，即使是这种建立在统计特征之上的检测，也无法做到真正可靠。原因不只是检测算法还不够成熟，而是存在一个更深层的认识论困境。

说到这里，其实跟前面讨论的困境是一致的：大语言模型是在人类留下的海量文本上训练出来的，它学习的不是一种外部世界的"机器语言"，而是人类历史上已经形成的各种语言传统。AI语言从来不是人类语言的对立面，而是人类语言经过统计学习之后的一种高度压缩和重组。正因为如此，优秀的人类写作与优秀的AI写作，在许多统计特征上本来就应当越来越接近。一个严谨的学者使用规范概念，一个成熟的作者安排清晰论证，一个经验丰富的教师使用自然过渡句——这些都不是AI发明的，而是AI从人类那里学来的。如果仅仅因为一篇文章逻辑清晰、语言规范、结构完整，就怀疑它出自AI，那么真正受到怀疑的，其实是人类自己长期积累形成的优秀写作传统。

这也解释了为什么AI检测几乎是一场无法结束的军备竞赛。随着模型不断更新，它们生成文本的统计特征也在不断变化；而检测模型永远只能根据上一代生成模型的特征建立判断标准，始终处于追赶的位置。检测技术并非毫无价值，但要承担"可靠地区分AI与人类"这个最初使命，难度越来越大。

正是在这一认识论困境逐渐显现之后，欧美关于AI写作的讨论开始发生一次重要的转向。

如果机器生成的文本越来越接近优秀的人类写作，那么真正值得研究的问题，也许就不再是"如何识别AI写了什么"，而是"AI正在如何改变人类自身的语言和思维"。

于是，研究的重心开始从寻找AI转向理解AI，从检测机器转向观察人类，从识别AI的输出转向追问AI对知识生产、语言演化和认知方式的长期影响。检测AI是生成式人工智能时代最初提出的问题，而理解AI如何改变人类，正逐渐成为一个更重要的问题。

5. 欧美真正关注的：语言同质化与认知路径的收敛

近年来，欧美在AI与语言问题上真正投入最多精力的研究方向，是语言同质化、风格收敛和表达标准化。

研究者们发现，当大量人群长期依赖相同的AI工具辅助写作时，个体之间原本丰富的语言差异，正在逐渐向一种稳定的、高效的、统计上最优化的表达模式收敛。一些具体的研究发现令人深思。有学者分析了大量学生在使用ChatGPT前后的写作样本，发现不同学生之间的词汇多样性指数在使用AI后出现了统计上显著的下降。另有研究发现，依赖AI辅助的学术写作，在句式结构分布上越来越趋近，而不同作者之间原本存在的独特句法特征正在被侵蚀。

这种侵蚀是隐蔽的——每篇文章单独来看都"写得不错"，但当你把大量文章放在一起比较时，会发现它们之间的可区分度正在降低。十个学生写同一部《哈姆雷特》，十年前会产生十种不同的切入方式：有人从复仇伦理入手，有人关注延宕心理，有人聚焦于权力关系，有人以鬼魂为叙述核心；今天，同样的十个学生，越来越可能从"权力"、"身份认同"、"疯狂"这三个AI最擅长提供的分析框架切入，最终产出在结构上几乎无法区分的十篇文章。申请信同样如此：十年前，不同学生的申请信开头截然不同——有人以具体故事切入，有人用挑衅性问题开场，有人使用反讽，有人直接陈述——今天，越来越多的申请信都以"自我发现"的叙事模板展开，以"未来贡献"的愿景陈述收束。

这些观察揭示的，是一种比"AI腔"更深刻也更危险的现象：不是AI生成的文字长什么样，而是人类在长期使用AI之后，自己的写作和思维开始按照AI最擅长提供的框架展开——这时，真正的AI腔，不再来自机器，而来自人本身。

这是一个在逻辑上相当反直觉、却日益成为现实的结论：最顽固的AI腔，未必出现在AI生成的文字里，而可能出现在那些长期使用AI、主动学习AI思维框架的人所写的文字里。当一个学生习惯性地在动笔之前先向ChatGPT询问"这个问题应该从哪几个角度分析"时，他所学习的，是AI提供的认知路径；当他最终按照这套路径写出来的文章被称赞为"逻辑清晰""结构完整"时，这种认知路径就获得了进一步强化。在这个过程中，AI腔从机器的输出变成了人的思维习惯。

6. 真正值得借鉴的，不是结论，而是问题意识

欧美关于AI写作的讨论，并没有形成统一的答案。关于AI检测是否可靠、AI辅助写作是否损害创造力、AI是否正在导致语言同质化，至今仍然存在大量未被解决的争论，不同研究者之间的结论常常相互矛盾。这意味着，真正值得注意的，不是他们已经解决了这些问题，而是他们提出问题的方式——那种不断把问题往更深处推进的习惯。

他们不断追问的是：AI检测器本身可靠吗？统计指标背后的意义是什么？为什么会产生系统性的误判？长期依赖AI辅助写作，对人类的表达能力会产生什么影响？语言的同质化，是否最终会引发认知的同质化？这些问题彼此之间形成了一种递进关系——每一个问题的追问，都在某个层面上揭示了前一个问题的局限，迫使讨论不断向更深的层次移动。

相比之下，"哪几个词不能用"这个问题，从一开始就把讨论锁定在一个无法产生认识论深度的层面。这种区别看似细微，实则决定了整个讨论的走向——一个从词汇标记出发的讨论，无论多精细，最终只能停留在词汇标记这个层次；一个从生成机制出发的讨论，则自然会引导研究者走向统计结构、认知路径和文明影响这些更深的议题。

尤其值得注意的，是欧美讨论中对自身研究工具的持续反思。他们不仅研究AI，也研究自己用来研究AI的工具——当Turnitin的误判率被证明存在种族偏向时，这个发现本身立刻成为另一个严肃的研究议题；当GPTZero的统计逻辑受到质疑时，质疑本身就推动了对"什么是可靠证据"这个更基本问题的重新追问。一个成熟的知识共同体，不只是研究自己的研究对象，也会研究自己的研究工具；不只是提出问题，也会追问自己的问题是否问对了。

这种认识论上的自我怀疑，比任何具体的研究结论都更值得关注。因为它体现了一种思维纪律：不允许自己长期安居于同一个问题层次，不把任何一种方法论的预设当作无需检验的公理。

如果欧美关于AI写作的讨论真的能够给我们一点启发，那么真正值得借鉴的，也许既不是他们具体的政策结论，也不是他们某个特定的研究发现，而是这种不断把问题推向更深层次的认识论习惯——那种在得到一个答案之后，仍然愿意停下来问一句"我们是否一直在回答那个真正的问题"的思维姿态。

一个成熟的知识共同体，并不是因为它更少犯错，而是因为它总能及时发现：自己一直在回答的，也许并不是那个真正的问题。关于AI写作，我们真正的问题，也许从来都不是AI腔。

7. 词汇层面的猎巫为什么注定无效

认识论上的判断是明确的：以词汇标记为核心的"AI腔猎巫"，在面对AI生成文本的真实本质时，是一种方向性的误导。

其一，删除表层连接词，并不改变文本背后的统计结构。现有的AI检测研究已经证明，当用户被明确指示"去掉所有连接词，增加几个口语化表达"之后生成的文本，在困惑度和熵等统计维度上，与原始的AI输出几乎没有显著差异。那些最有经验的检测系统，对于这类"经过人工去腔处理"的文本，识别率下降幅度相当有限。

其二，猎巫逻辑建立在对条件概率的基本误解之上。"首先其次"在AI生成文本中频率较高，并不意味着出现"首先其次"的文本就是AI写的——这是一个典型的"确认偏误"逻辑谬误。当人们开始主动寻找"AI腔"标记时，他们会对任何符合预设的信号产生过度敏感的反应，同时系统性地忽视那些同样使用这些句式的人类写作。

其三，也是最根本的一点：整个猎巫运动建立在一个错误的对象上。它试图识别的，是语言的表层标记；而AI与人类写作之间真正的、可检测的差异，存在于生成机制的深层统计结构之中——这两者，根本不在同一个层次上。

8. 真正存在的不是AI腔，而是默认语言与默认认知

到这里，一个概念上的澄清变得不可避免：真正存在的，并不是"AI腔"，而是AI的默认语言（Default Language）——以及比默认语言更深一层的，默认认知（Default Cognition）。

"AI腔"只是一个效果描述——描述读者感知到的某种可识别的文体印象。"默认语言"是一个机制描述——描述AI在没有特殊人格设定时，自然而然地组织思想、生成意义、安排论证的一整套底层逻辑。但默认语言本身，还只是更深层事物的表面。

真正在统一的，是认知路径（cognitive pathway）——一套关于"问题应当如何被展开、论证应当如何被推进、价值应当如何被平衡"的默认程序。这个默认程序，先于词汇选择而存在，并在一切自然语言输出中留下同构的结构痕迹。它决定的不只是怎么说，而是怎么想——什么样的问题值得被提出，应当以什么样的顺序被拆解，应当从几个维度来分析，应当在什么位置引入反面观点，应当以什么样的综合判断来收束。

因此，完整的结构可以这样表达：默认预测机制产生了默认语言，默认语言固化为默认风格，默认风格在读者那里留下AI腔的印象，而AI腔的大规模传播最终导致语言同质化。"AI腔猎巫"所关注的，只是这个链条中最表面的一环；而真正值得警惕的，是这个链条的源头——默认认知本身。

欧美讨论中使用的"风格收敛""语言同质化"等概念，描述的是这个链条的末端效应，它们观察到了趋势，却还没有命名产生这种趋势的机制。"默认认知"这个概念，试图填补这个命名上的空白——它是那个让所有末端效应不断出现的内在驱动力，是那个使不同模型尽管参数各异却在思想展开方式上高度趋近的深层原因，也是那个使长期使用AI的人开始不自觉地以AI的方式展开思想的结构性力量。

美国和欧洲没有形成"AI腔猎巫"，并不意味着他们对AI写作的问题视而不见；恰恰相反，他们正在向那些比"AI腔"更深、也更难被简单命名的问题推进——从语言表面到生成机制，从识别痕迹到理解同质化，从分析AI的输出到追问AI对人类认知的长期影响。

而这些更深的问题，最终都指向同一个令人不安的可能性：一个文明真正危险的时刻，不是AI写出了越来越多的文章，而是越来越多的人开始相信，一篇好文章本来就应该按照AI默认的方式展开——先定义，再分类，然后分析，最后综合；先呈现正面，再引入反面，然后寻找平衡，最后避免极端判断。

当这种默认认知成为一种文明范围内的常识，当"逻辑清晰""结构完整""观点均衡"成为书面表达唯一被认可的品质时，那些无法被纳入这套默认逻辑的思维方式——诗性的跳跃、哲学的突然转向、随笔式的漫游、在矛盾中停留而不急于化解的耐心——就会逐渐失去其制度性的容身之所。

这才是AI时代语言问题的真正核心。不是几个连接词，不是某种可以被识别并删除的文体标记，而是一种正在以隐蔽方式渗透的默认认知，正在重塑人类展开思想的方式本身。

真正需要研究的，从来不是AI腔，而是默认语言背后的默认认知；真正需要守护的，也不只是人的语言风格，而是人类在面对一个真实的困惑时，仍然能够以一种不可预测的、不被统计优化所规训的方式，重新开始追问的那种自由。

参考文献：
[1] Gehrmann, Sebastian, et al. "GLTR: Statistical Detection and Visualization of Generated Text." Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics, Association for Computational Linguistics, 2019, pp. 2481-2486.
[2] Kobak, Dmitry, et al. "Delving into ChatGPT Usage in Academic Writing through Czech Academic Sentences." arXiv preprint, arXiv:2403.09773, 2024.
[3] Labov, William. Sociolinguistic Patterns. U of Pennsylvania P, 1972.
[4] Liang, Weixin, et al. "GPT Detectors Are Biased against Non-Native English Writers." arXiv preprint, arXiv:2304.02819, 2024.
[5] Sadasivan, Vinu Sankar, et al. "Can AI-Generated Text Be Reliably Detected?" arXiv preprint, arXiv:2303.11156, 2024.