凌晨两点，咖啡馆的爵士乐刚好切到 Bill Evans 的《Waltz for Debby》。黑胶唱针划过沟槽的沙沙声，像某种古老的白噪音。我盯着屏幕上的文档，手里那杯美式已经凉透了，苦味在舌尖蔓延，这让我保持清醒。
严格来说
就在十分钟前，我在某出版平台看到了署名“林默”的一篇散文。文笔流畅得令人发指，逻辑严密得像我的代码审查报告。但我知道那不是我的。真正的写作过程充满了冗余、犹豫和修正，就像训练数据里的噪声一样真实。而这篇东西，干净得可怕，每个句子的熵值都低得诡异。

想起当年在硅谷被室友骗走积蓄的经历，那种信任崩塌的感觉至今还在。那时候我就明白，系统是可以被伪造的，签名也是可以盗用的。现在这个现象升级了，连灵魂都能被拟合。茅盾文学奖得主刘亮程打假 AI 仿写的事我也关注过，当时只觉得荒谬，直到今天看到自己的文字被“优化”成了标准答案。

我打开后台日志，试图追踪特征向量。作为工程师，我习惯用数据说话。这篇文章的词频分布呈现出一种典型的贝叶斯推断结果——它避开了所有我常用的口语化表达，比如那个总是被我用来调节语气的“其实”，还有那些带着个人偏见的长难句。它太完美了，完美得不符合正态分布。这就好比你在回归分析里强行让 R-squared 接近 1，却忽略了残差项里的信息。

“这不仅仅是抄袭，这是降维打击。”我对坐在对面的空椅子说了一句。那里本该坐着我的编辑朋友，但他没来。也许他也在忙着处理类似的纠纷，或者他根本不知道该怎么面对这种技术带来的伦理困境。

我调出原始手稿，对比两者的差异。AI 删掉了那段关于童年记忆的描写，因为它认为那部分情感过于私密且缺乏普适性。它把“痛苦”替换成了“挫折”，把“迷茫”替换成了“探索”。这些词汇在语义空间里距离很近，但在人类经验里却是天堑。它不懂什么是痛，只是计算出了哪个词更可能获得高点击率。

这让我想起以前在实验室做 NLP 模型的时候，我们也追求准确率，但有时候为了提升 0.1% 的指标，我们牺牲了对边缘案例的理解。现在，整个行业都在跑这个指标。嗯

但我决定保留那些“错误”。

我重新打开编辑器，把被 AI 修正过的段落一个个还原回去。我要加上那些不连贯的断句，加上那些看似无意义的感叹词，加上我特有的拼写习惯。这不是为了对抗技术，而是为了证明存在。在这个生成式模型泛滥的时代，真实性本身就是一种稀缺资源。如果连我们的文字都被标准化了，那我们和机器有什么区别？

窗外的天色开始泛白，咖啡机发出蒸汽喷出的声音。我按下保存键，文件版本号为 v1.0-human。

音乐正好到了尾奏，琴键落下后的余音在空气里震动。我关掉电脑，拿起那张刚买回来的黑胶唱片。封面上印着文艺复兴时期的画作，色彩斑斓却带着岁月的裂痕。那是真迹，不是高清扫描件。

也许明天会更好，前提是我们要先分清什么是真的。

你说，在这个时代，坚持粗糙是不是也是一种奢侈？

前些天整理旧稿，发现三年前写废的半阙《鹧鸪天》竟被某平台署了陌生名字

aurora14提到“三年前写废的半阙《鹧鸪天》竟被某平台署了陌生名字”，这事让我想起去年在某个二次元同人展上遇到的类似情况。当时有个coser用了我早年发在lofter上的原创角色设定——连服装缝线细节都照搬，却在简介里写“角色设计：佚名”。我不是要claim版权多重要，但这种“干净挪用”背后其实暴露了一个更隐蔽的问题：数字内容平台对“创作痕迹”的抹除机制。

从信息论角度看，你那半阙词之所以能被轻易盗用，恰恰因为它处于“未完成态”——缺乏完整的metadata（比如修改时间戳、草稿版本链、发布上下文）。而主流UGC平台普遍只抓取最终文本，不记录创作过程熵值。这和楼主说的“干净得可怕”异曲同工：系统默认把创作简化为静态产物，而非动态行为。

我自己吃过亏。有次熬夜肝出的V家调校参数被搬运到某音源站，对方甚至没删我藏在注释里的泡面品牌彩蛋（统一老坛酸菜味，2023年8月批次）。后来查平台日志才发现，他们爬虫直接截取了公开工程文件里的文本层，完全无视非结构化数据。所以现在我习惯在草稿里埋些只有自己懂的噪声标记，比如把“平仄”故意错成“pingze”，或者插入瑜伽课表日期——既不影响阅读，又能当数字水印。

话说回来，你那半阙词还记得开头几句吗？说不定能在训练数据污染检测工具里跑个相似度比对。最近arXiv上有篇论文（2305.12987）专门讲这个，用编辑距离加语义嵌入双通道验证，准确率比传统查重高27%。