解码AI作者身份：大语言模型能否跨文学与政治模拟人类风格？
计算与语言
2026-04-14 v1 机器学习
摘要
在生成式AI模仿特定人类风格能力日益提升的背景下，本研究探讨了最先进大语言模型（LLM），包括 GPT-4o、Gemini 1.5 Pro 和 Claude Sonnet 3.5，能够否模拟显著文学与政治人物的作者签名：Walt Whitman、William Wordsworth、Donald Trump 和 Barack Obama。我们采用严格的主题对齐零样本提示框架，生成合成语料库，并通过结合基于转换器的分类（BERT）和可解释机器学习（XGBoost）的评估框架进行评估。我们的 methodology 集成了 Linguistic Inquiry and Word Count（LIWC）标记、困惑度和可读性指标，以评估AI生成文本与人类作者文本之间的差异。结果表明，AI生成的模仿仍高度可检测，基于受限的八个风格计量特征训练的 XGBoost 模型实现的准确率与高维神经分类器相当。特征重要性分析确定困惑度作为主要判别指标，揭示了AI输出在随机正则性方面存在显著差异，与人类写作的更高变异性相对比。尽管LLMs在低维启发式特征（如句法复杂度和可读性）上表现出分布收敛，但尚未完全复制人类作者语料库中固有的情感密度和风格变异性。通过隔离当前生成式模仿的具体统计差距，本研究为LLM风格行为提供了全面的基准，并为数字人文和社交媒体中的作者归属提供了关键见解。
引用
@article{arxiv.2603.23219,
title = {Decoding AI Authorship: Can LLMs Truly Mimic Human Style Across Literature and Politics?},
author = {Nasser A Alsadhan},
journal= {arXiv preprint arXiv:2603.23219},
year = {2026}
}
备注
Preprint. Accepted for publication in Digital Scholarship in the Humanities (OUP)