11月10日消息，如今的人工智能已在象棋、数学等多个领域展现出超越人类的能力，并逐渐渗透到编程、广告乃至心理治疗等行业。但研究人员指出，AI仍然有一个领域尚未突破：在互联网上展现真正的恶意。

据外媒PC Mag报道，苏黎世大学、阿姆斯特丹大学、杜克大学和纽约大学的最新研究表明，各种大语言模型生成的社交媒体帖子都很"容易被区分"，识别准确率高达70%至80%，远超过随机猜测的结果。

研究团队测试了来自六个不同模型家族的九个开源大语言模型，参测模型包括Apertus、DeepSeek、Gemma、Llama、Mistral、Qwen以及一个大规模的Llama模型，分别在Bluesky、Reddit和X平台上进行对比。

研究发现，平台上这些帖子显示的"毒性评分"是区分AI生成内容与人类生成内容的关键因素。简而言之，如果在您发布的帖子下有人回复了特别尖锐或搞笑的评论，那很可能是人类写的。

研究人员表示："这些结果表明，尽管大语言模型能够模仿在线对话的形式，但在捕捉对话的情感本质上仍存在困难：自发且充满感情的表达始终是人类互动的特点。"

研究人员指出，模型在某些特定情境下的表现尤其差劲。例如，在马斯克的X平台上表达积极情感，或是在Reddit上讨论政治话题。总体来看，所有测试的AI模型在模仿X平台的帖子时表现较好，在Bluesky上则稍显逊色，而Reddit是三者中最具挑战性的，因为该平台的对话规范更加多样。

研究还表明，大语言模型更擅长模仿社交媒体帖子技术性特征，比如句子长度或字数，而在情感表达方面则显得较弱。在所有三个平台上，AI回复的"毒性"评分普遍低于人类的评论回复。

研究人员还发现，Llama-3.1-8B、Mistral-7B和Apertus-8B等未经人类指令微调的AI模型，反而比经过微调的模型表现得更好。这一结果表明，过度校正训练会引入过于一致的风格，导致文本变得机械呆板。

参考

https://arxiv.org/pdf/2511.04195