工具链
受控技术中文: 把啰嗦变成可机械检测的判据
我之前写过怎么判断自己写的东西有没有AI味, 那篇治的是人称、句长、加粗密度、抽象名词与同体裁对照这几项. 但还有一类问题它治不了: 句子本身太长、用词没信息量、范围说不清含不含端点. 这类问题属于精度, 不在句式这一层. 后来翻到一套现成的: 简明技术中文 Simplified Technical Chinese .
TAG / K
可复现性
kefuxianxing·3 篇笔记·结果可被稳定复现
工具链
怎么判断自己写的东西有没有 AI 味
调教 AI 写笔记有一阵了, 就是不说人话. 已经没有人类了, 到底有没有在说人话? 0x00 先查这句话里有没有人在说话 量之前我以为差在词上. 我以为机器稿爱堆那种很官方的大词. 量完发现, 差的是句子里有没有一个在说话的人. 真人那 215 句里, 「啊」136 次, 「吧」88 次, 「我们」81 次. 再往下
AI / Skill
SkillOpt: 把 skill 文档当参数来训练, 以及它在规范与可复现性上的边界
NOTE 如果一份 skill 文档写得不好, 为什么不能像调参一样把它"训"好? SKILL.md 是纯文本, 模型权重可以冻结, 任务分数就是现成的损失函数 这条路听起来几乎无懈可击. 但真正的问题在另一头: 一个只会看任务分数的优化器, 知不知道 skill 该长成什么形状? 它怎么判断"变得更长"是进步还是灾难