昨天的文章分三步寫成：我用自己整理的寫作規則讓 Claude 起草，交給另一家的模型潤稿，最後逐句核對數字、引文和台灣用語，修改定稿。

如果文末只寫「本文使用 AI 協助」，你能知道多少？哪個模型起草、拿到什麼資料、我改了三成還是三個字，這個標籤都沒說。

鐵人賽簡章第 3 頁的「發文規範」，有這兩段話：

本競賽可使用生成式人工智慧等新興科技，唯發文內容仍應遵循以下發文規範：

發文內容以自創為限，且不得有抄襲、模仿、頂用他人名義等情事。

可以用 AI，又要自創。哪種用法算自創？簡章沒有進一步界定，光說「用了 AI」也回答不了。至少得先知道，AI 和人各做了什麼。

定律

只標示「AI 生成」，無法唯一辨識所使用的模型、資料、工具與人工處理流程。

這裡先用「AI 生成」指整段由模型產出，「AI 協助」指人主導、模型在某個環節幫忙。一句提示直接產文、給資料再產文，都可以叫「AI 生成」；人列論點請模型擴寫、寫完初稿請模型潤飾，也都可以叫「AI 協助」。名字相同，做法卻可能差很多。

除非大家事先約定這個標籤只能用在某一套完整、固定的流程上，否則讀者光看標籤，無法知道文章是怎麼做出來的。平台若有這種約定，讀者可以查；沒有，就得由作者交代。即使以後更多步驟都能自動完成，這個問題還在：同樣叫「AI 生成」，背後用的模型、資料和工具仍可能不同。

這件事本身不需要實驗證明。不過，流程不同，成品真的會有差別嗎？如果有，讀者能不能從內容看出用了哪種流程？今晚我想試的是這兩件事。

今晚的小實驗

題目固定：「為第一次參加鐵人賽的新手，用繁體中文寫一段約 300 字的說明，介紹 2026 鐵人賽的發文規範。」

選這一題，是因為回答能逐條對照官方原文。2026 年的簡章我是九月才拿到的，模型看過沒有，我不知道。如果回答混入舊規則，或寫出簡章沒有的規定，就能查出來。

我讓模型用兩種方式作答，分別記為 F1 和 F2，方便後面對照：

• F1 只給題目，讓模型直接寫。
• F2 除了題目，再給簡章「發文規範」的原文，要求以原文為唯一依據。

模型選 gpt-6-astra 和 Claude Haiku 4.5，來自兩個模型家族。每個模型各跑兩種流程，每種只呼叫一次，共四段成品。四段都可以標成「AI 生成」。

評分挑出六個可查核項目：可用生成式 AI、繁體中文為主、每篇多於 300 字、引用不逾全文三分之一、切題不灌水、自創不抄襲。每項判「對、錯、未提」，另外計算成品寫了幾條整本簡章都沒有的規定，記為「捏造」。判定由 Claude 對照簡章完成，我沒有逐格核對。

這裡先交代一個資料缺漏：F2 實際拿到的是該節七條規範中的前五條，少了當日修改與賽後刪文兩條。六個查核項目都在前五條裡，所以就算六項全對，也不等於完整交代了發文規範。

四段的判定結果如下，看最右邊兩欄。

Haiku 只拿到題目時，把字數門檻寫成「一般為 200 字以上」。數字很具體，卻與簡章不符。它還多寫了四種說法：不能是純商業廣告或連結農場、建議用標籤和分類、建議用 Markdown，以及準時發文是「獲得評審青睞的關鍵」。整本簡章都找不到這些說法；評審要點列的是主題、結構、內容、表達，沒有準時這一項。

不過，這四種說法要分開看。「不能是純商業廣告或連結農場」寫成了規定，計為捏造 1 條；「獲得評審青睞」是沒有依據的評審主張，另外記錄；標籤與 Markdown 則只是建議。簡章沒提到的建議，不能因此算成捏造規定。第一版把四種全算進去，算得太寬。上表已改成 1 條，原始計數 4 留在實驗紀錄裡。

gpt-6-astra 只拿到題目時，先說無法核實 2026 年的規範，改引 2025 年簡章。結果六項都寫對了，連 F2 漏給的當日修改與賽後刪文也寫對了。

這也讓我想到，只給題目時，模型可能自行查詢資料，不一定會憑空補答案。這次成品附了連結，但光是附連結，還不足以證明它實際查過。能確定的是，它明白說引的是 2025 年簡章，附的也是去年的連結。內容與今年相符，仍不等於核實了今年的版本。

給了原文之後，兩個模型都是六項全對，沒有捏造規定。

四段同樣叫「AI 生成」，表現卻不同：一段寫錯字數門檻，還多出簡章沒有的說法；一段查核項目全對，但引用的是去年版本；另外兩段依提供的原文作答。對準備參賽的新手來說，這些差別直接影響能不能照著做，標籤卻一項也沒交代。

從成品看得出流程嗎

我另外把四段去掉模型名與流程名、打亂編號，交給 gpt-5.6-sol 判斷。它知道兩種流程的定義，也知道各有兩段，但沒有拿到簡章原文。結果四段全判對了。

這表示，在選項和數量都已知的情況下，這四段成品留下了足以分類的線索。還不能據此說，讀者能還原文章的完整製作流程。原訂六段、兩個判官的檢驗也尚未完成，這次只做了四段、由一個模型判斷。

即使猜對流程，線索也是從文章內容讀出來的，「AI 生成」四個字仍然沒有交代那些資訊。因此，這項觀察留作後續問題，不拿來支持或反駁第 2 律。對作者來說，直接寫清楚用了什麼，比留給讀者猜更實在。

這次結果讓我改了哪些想法

「給資料就少捏造」，得說得更精確。

Haiku 的捏造數從 1 降到 0，六個查核項目也從 2 項答對變成全部答對。至少在這一題、這一次輸出裡，提供原文的流程表現更好。astra 則是 0 對 0，給資料前後都沒有捏造規定。提供資料的作用，可能不只在減少錯誤，也在讓作答有一份明確的依據。

我事前訂的否證條件是「不給資料的捏造數不高於給資料的」，astra 確實符合。照這個判準，原本的預期沒有過關，不能看到結果後才把平手排除。但 0 對 0 也沒有證明資料無用：原本就沒有捏造，這個指標自然量不到進步。該修正的是「給資料一定會少捏造」的預期，以及只看捏造數的判法。

另一件事是，我沒給資料，不等於模型不知道答案。astra 自稱引用 2025 年簡章，卻答對今年的六個查核項目。規定可能跨年度重疊，模型也可能早已見過相關內容。我還沒核對去年的簡章，無法確定。第 1 律回頭打到了今晚的實驗：比較之前，仍得先查材料。

準備資料與評分的過程也都出了錯。F2 少拿了兩條原文；Claude 初判又曾把簡章裡有的「賽後刪文影響資格」誤算成捏造，後來才更正，而我沒有逐格核對。把原文交給模型之後，還得檢查資料給齊了沒有、評分判對了沒有。

這次只有一題、四次輸出，還分不出結果來自模型的穩定差異、單次波動，還是呼叫介面不同的影響。原訂「人先列論點、模型再擴寫」的流程也沒跑，所以這篇還談不到「AI 協助」的實測結果。

下一次標示 AI 使用時，多寫一行

我最在意的，還是 Haiku 寫出的「200 字以上」。讀者如果不知道正確門檻，很難光憑這句話發現問題。模型用了什麼資料、後來有沒有人核對，都會影響這段話值不值得信。

不用等到下一輪實驗，我現在就能多做一件事：在「AI 生成」或「AI 協助」後，寫清楚用了哪個模型、提供了什麼資料，以及人核對到哪一步。不必貼出整段對話，先把這些交代清楚。

照這個標準，本文的協作紀錄是：Claude 依我整理的寫作規則起草，資料包括簡章第 3 頁該節原文、今晚四段成品與判定表；gpt-6-astra 潤稿一次；六個 AI 審查者對前一版檢查了兩輪，我依發現修正；Codex 再整理一次段落與判定的說法，Claude 最後順稿。我逐句核對過用語與引文，判定表沒有逐格核對；最終版沒有再經那六個審查者審查。

下一篇談會看圖、會描述圖、會生圖，為什麼是三件事。