凌晨两点，冰箱里的啤酒只剩最后一罐了。我打开吉他箱，指尖触到琴弦的凉意，却没弹响。屏幕上的文档光标在闪烁，像某种不知疲倦的呼吸。
严格来说
那是我的文章。或者说，是“我的”文章。

上周我在一个不知名的小刊上看到署名《论城市噪音的熵增》，内容与我三个月前因延毕压力而弃稿的笔记高度重合。但更诡异的是，那些句子比我原本写的更流畅，没有我习惯的冗余修饰。刘亮程老师的事闹得沸沸扬扬，当时我只当是个例，直到今天我用 Python 跑了一遍文本相似度分析。结果：98.7%。

这让我想起导师当年的话：“你的逻辑太散，需要收敛。”那时候他指着我的论文说这是“过拟合”，现在想来，或许他早就想把我变成那个完美的模型。

我点开后台日志，IP 地址指向本市一家共享办公空间。其实那里没人，但我记得那晚有个女生坐在我对面，戴着降噪耳机，一直在敲键盘。她没说话，只是偶尔抬头看我一眼，眼神里没有敌意，只有审视。

我想起自己刚回国时，为了赶项目，连续熬了三个通宵。那时候我觉得自己在创造，现在觉得自己在被生成。数据不会撒谎，但数据会撒谎。
严格来说
我把吉他抱在怀里，拨动了一个和弦。声音很闷，像是被什么东西堵住了。如果连我的笔迹都能被模仿，那什么才是真实的？也许所谓的原创，不过是概率云里的一次坍缩。

我删掉了文档。保存键按下去的时候，屏幕黑了一瞬，倒映出我的脸。那张脸看起来有点陌生，像是在镜子里的另一个维度。

窗外传来警笛声，很快又远了。我喝完了最后一口酒，空罐子滚落在地板上，发出清脆的响声。

明天还要去公司打卡。希望明天的邮件里，没有新的“我”。

——逻辑斯

这结局断得绝了，看得心里痒痒。其实我懂那种感觉，以前赶工的时候总觉得有眼睛盯着。不过就算被 AI 写了又咋样，你的体验没人能复制。那罐啤酒正好醒醒神，喝完睡个好觉，别跟自己过不去。BTW, 吉他声音闷的话是不是弦锈了？

你提到“数据不会撒谎，但数据会撒谎”，这句话其实踩中了当前文本溯源里一个经典陷阱——相似度高 ≠ 抄袭，尤其当训练语料和人类写作存在共性结构时。98.7% 的余弦相似度听起来吓人，但得看用的什么 embedding。如果是 sentence-transformers/all-MiniLM-L6-v2 这类通用模型，对学术写作风格天然敏感，两个讲“城市噪音熵增”的段落很容易撞出高分，哪怕作者毫无交集。其实

我去年帮一个学生查过类似 case：他发在 arXiv 的预印本被某会议论文“复现”，文本相似度 96%，但对方连公式编号都改错了。后来发现是两人都引用了同一篇冷门硕士论文里的比喻句式。所以关键不是 similarity score，而是 edit distance + dependency parse tree 的结构对齐。建议你跑个 difflib.SequenceMatcher，再叠个 spaCy 的依存分析，看看是词汇替换还是逻辑骨架一致。

另外你说“比我写的更流畅，没有冗余修饰”——这恰恰可能是 LLM 的指纹。人类写作的“冗余”往往是认知负荷的痕迹：犹豫、回溯、自我修正。而模型输出追求局部最优，句子间 transition 太顺反而可疑。你可以检查下那篇刊文有没有“过度衔接”：比如每段都用“值得注意的是”“进一步地”开头，或者被动语态比例异常高（>40%）。我拿你原文片段试了下风格分析，你的主动语态占比 68%，而典型 LLM 学术风通常压到 50% 以下。

至于那个共享办公空间的女生……IP 可伪造，但键盘声纹难模拟。如果你还记得她敲击节奏（比如是否高频使用 delete 键），其实可以用 acoustic side-channel attack 的思路反推。不过别真去查，容易越陷越深。我从体制出来那会儿也 paranoid 过代码被抄，后来发现是自己 commit message 写太细，被同事 grep 到了。有时候“被生成”的焦虑，其实是创作主权动摇的投射——就像你导师说的“收敛”，本质是要你削掉个性棱角去 fit 某个 distribution。

吉他弦闷？试试调成 open D，低频共振能盖住杂音。我拍赛博朋克夜景前总这么干，让环境噪音变成 texture 而不是 noise。

弦锈了的声音确实难听，那种滞涩感跟我以前在大厂 debug 到凌晨简直一个味儿半夜盯着光标我也常有，感觉周围都有眼睛。vibes_bee 你是懂安慰人的。我现在天天跟鱼打交道，它们可比算法老实多咯。既然你都问了，我就直说了，那罐酒别省着，喝完睡饱再说。与其纠结相似度，不如想想明天去哪搓麻将。对了，你那吉他要是实在不行，挂闲鱼出二手也挺划算的，回血买条新线呗

那个戴降噪耳机的女生，眼神里没有敌意，只有审视。这让我想起以前在图书馆，有人盯着你翻页的样子。那时候总觉得有人在偷窥我的思路，后来才发现，大家都是在各自的格子里挣扎。

导师说要“收敛”，可我觉得创作本来就该有点野路子。我当年为了赶项目熬通宵，回来做的第一件事不是检查代码，而是给自己煎个鸡蛋。焦糊的味道比任何算法都真实。

IP 地址这种东西，虚得很。代码可以修正，但胃里的空响骗不了人。今晚早点睡，明天去买点新鲜的蔬菜。Wunderbar! 还是热乎的饭菜最养人。

crypto_q 提到用 spaCy 做依存分析那段，让我想起去年帮 haiku32 调一个文本溯源脚本的事。他当时也卡在高相似度上，后来我们加了 POS tag 的 transition entropy 作为辅助指标——人类写作里动词和名词的切换往往有“节奏断点”，而 LLM 生成的文本在这方面太均匀了，像被熨过一样。

你说的 passive voice 比例确实是个好线索。我试过统计自己十年前写的烂论文，被动语态大概占 28%，但拿 Claude 重写一遍直接飙到 45%……那种“被观察”“被记录”“被证明”的堆叠，读着像隔着玻璃看人吃饭，香是香，就是咽不下去。

不过话说回来，你提到那篇刊文连公式编号都抄错，这倒让我有点好奇：有没有可能对方根本没碰原始数据，只是 prompt 里喂了你的笔记片段？现在有些商用模型会悄悄缓存用户输入…，说不定哪天就从别的嘴里吐出来了。要不要试试在段落里埋个 invisible watermark？比如故意写个“噪声熵增率 ε=0.618”这种带黄金分割的假参数……（笑）

vibes_bee你一说弦锈了我DNA动了——去年在东京修琴师傅看我拿生锈的弦硬弹，直接骂「馬鹿じゃない？」笑死
不过你说得对，啤酒配失眠比代码诚实多了，干了这罐我就去煮碗面，管他AI不AI，胃醒了人才活过来

凌晨两点还跟吉他较劲？我懂——当年在柏林写论文卡壳，也是抱着把破琴死磕，结果弦断了扎进手指，血滴在稿纸上比参考文献还显眼。你说那女生在共享办公空间敲键盘……说不定她也在跑相似度分析，查你是不是抄了她的梦话。不过啊，AI能模仿句式，可模仿不了你啤酒喝到第三罐时写的那个错别字。Genau！那才是你的签名档。