為什麼擴大 — Why Stack Signals

Day 16 的結論之一: 當初挑 —— 是圖它最粗最好算, 但這個指紋對 GPT 生態已經在失效. 2025-11 GPT-5.1 開始能遵守「不要用 em-dash」的 custom instruction, 用 ChatGPT/Codex 寫的作者天然沒訊號, 一個 signal 就塌一半.

單指紋還有別的盲區:

• 刻意壓痕跡的作者: 用 Claude 寫但知道要去掉 ——, 單一指標完全漏掉
• 愛用 —— 的老派人類作者: 單一指標誤判
• 用 AI 但只重排版的作者: 不碰 —— 但狂灑 emoji + 粗體 + 分段線, 單一指標完全漏掉

要補這些洞, 做法是疊更多 signal. 單一壞掉其他補得起. 這篇疊到綜合分數 (6 個 signal, 總量加權型), 用同一批 2026-09 corpus (15,057 篇) 重跑排名.

疊 signal 的思路不是新鮮事: 學術界的 Ghostbuster (Verma et al. NAACL 2024) 用多 feature 綜合計分做 AI 文本偵測; Muñoz-Ortiz & Gómez-Rodríguez 2024 統計上找人 vs LLM 寫作的語言 pattern 差異. 這篇是把同一條思路用在中文鐵人賽的 markdown 排版上.

疊了什麼 — Six Signals Stacked

從單指紋逐步加上五個 signal, 總共六個:

幾個設計重點:

• emoji 的乘數是「種類數」不是「個數」: 5 個相同 emoji (count=5, types=1) 分數 = 5; 5 個不同 emoji (count=5, types=5) 分數 = 25. 人類寫作通常固定幾個常用 emoji, AI 愛展示變化
• 嚴格 pattern 跟一般粗體分開算: 嚴格 pattern 是一般粗體的子集, 命中嚴格 pattern 同時也算一般粗體 (加倍計, 總權重 3+0=3), 捕捉「`- 標籤: 說明」這種最像 AI 的樣子
• 一般粗體權重 0: 人類也常用, 不給 vote, 但 count 會進 B_total 當痕跡放大器 (下一節解釋)
• 權重是 data-driven 調過的: 初版 N 憑感覺, 2026-10-01 根據 corpus contribution 調整過 (嚴格 pattern 2→3, <hr> 1→1.5)
• emoji 排除清單: ○ ✗ ★ ☆ ☐ 這些 checklist / 星等排版符號人類也常用, 不算

公式: B 總和 × N 總和 — The Composite Formula

B_total = em + emoji + strict + all + bq + hr                ← 命中總次數
N_sum   = Σ (N where that signal fires)
        = (4 if em>0) + (types if emoji>0) + (3 if strict>0)
          + (0 if all>0) + (1 if bq>0) + (1.5 if hr>0)
base    = B_total × N_sum
density = base / 總字數 × 1000                               ← 排名主指標

一般粗體 N=0 當放大器: all count 本身不給 vote (N=0), 但 count 進 B_total, 把全盤放大 N_sum 倍. 這是刻意的設計 — 粗體排版重度 (就算每項權重 0) 也會放大其他 signal 的影響.

舉例: 「使用gemini 準備 az-900 Day 21」:

em=20, emoji=101(25 種), strict=170, all=248, bq=15, hr=21
B_total = 575
N_sum   = 4 + 25 + 3 + 0 + 1 + 1.5 = 34.5
base    = 575 × 34.5 = 19,837.5
density = 19,837.5 / 19,693 × 1000 ≈ 1007 (全體 top 6)

all=248 本身 N=0 不給 vote, 但 248 這個數字進 B_total 把全盤放大 34.5 倍.

結果: 綜合分數排行 — The Rankings

抓取時間 2026-09-30. 同樣掃出 814 系列、15,057 篇文章.

整體數字

Day 16 單 signal 全體 0.86 → 綜合分數 55.45, 數字差 60 倍 (因為加了 6 個 signal 的 B 乘以 N_sum, scale 完全不同). scale 不是重點, 排名才是.

density 最高的 5 篇

density 最高的 5 個系列 (加總再除)

跟 Day 16 單 —— 比: top 3 完全不重疊 — Different Lens, Different Top

兩套 top 3 完全不重疊. 不是誰對誰錯, 是兩個指標在量不同的「AI 味」:

• Day 16 top 3 共通點: 短文 + —— 用得兇. 單一 tell 強, 其他 signal 平淡
• Day 17 top 3 共通點: 排版重度 (每篇都塞 emoji + 粗體 + 分段 + 引用), 不一定愛 ——
• 「使用gemini 準備 az-900 Day 6」: —— 只有 3, 但 emoji 49 (30 種)、一般粗體 298、嚴格 pattern 111、<hr> 22 — 典型「什麼都疊」. 綜合分數爆分, 單指紋排行外
• 「Day01 Claude 從零打造軟體產品」: —— 密度 17.51 全屆第 1, 但其他 signal 不特別, 綜合分數排名掉到幾十名後

單一指紋捕捉的是某種 AI 味 (em-dash 愛好者), 綜合指紋捕捉的是另一種 (markdown 排版 maximalist). 兩套互補, 不是取代. Day 16 的工具揭露了 GPT 生態的指紋失效, Day 17 的工具揭露了另一群 upstream 沒壓的「排版重度」作者.

邊界與限制 — Caveats

• 權重是人工調的: N 用 data-driven 分析調過 (contribution + ablation), 但終究是人設的, 不是 ground truth
• 「排版重度」不等於 AI 寫的: 有些作者 (特別是教學類) 本來就愛塞 emoji + 粗體, 不代表 AI 代筆. 這個指標只用來排序, 不做判定
• 系列密度用「加總再除」: 用字數當權重, 跟平均各篇密度不一樣 (細節同 Day 16)
• 還有別的思路: Binoculars (Hans et al. ICML 2024) 用兩個模型的 perplexity ratio 做 zero-shot 偵測, 不靠 markdown signal. 兩種路可以互補 — markdown 看表面, perplexity 看文字機率結構
• 其他邊界 (只算 ——、算整篇含標題與程式碼、不設字數門檻、不 doxx) 同 Day 16

我的重點 — Takeaways

• 單一指紋會被 upstream 工具壓掉 (Day 16 的 —— 對 GPT 生態已失效), 疊 signal 是必要的補救
• 綜合分數跟 Day 16 top 3 完全不重疊 — 不是誰對誰錯, 是在量不同面相的「AI 味」(em-dash 愛好者 vs markdown 排版 maximalist)
• 「排版重度」是另一條訊號線: 看到有人每篇都塞 emoji + 粗體 + 分段, 不是 AI 代筆的鐵證, 但值得多看一眼

Sources

• Day 16: 掃當屆所有文章, 量一次「AI 味」有多少 — 單 —— 掃全屆
• Ghostbuster: Detecting Text Ghostwritten by Large Language Models (Verma et al., NAACL 2024) — 多 feature 綜合計分, 跟本篇的 (ΣB)×(ΣN) 同一思路
• Spotting LLMs With Binoculars: Zero-Shot Detection of Machine-Generated Text (Hans et al., ICML 2024) — 不同算法 (perplexity ratio) 但同一題
• Contrasting Linguistic Patterns in Human and LLM-Generated News Text (Muñoz-Ortiz & Gómez-Rodríguez, 2024) — 統計上找人 vs LLM 的語言 pattern 差異