格子达AI率是怎么算的？

1. 官方算法总览

格子达官方未公开完整源码，但根据大量测试与官方文档，可归纳出以下权重模型：

AI率 = α·PPL + β·Rep + γ·Burst + δ·Pattern

• PPL（困惑度）：衡量文本与语言模型分布的偏离程度，越低越像人话。
• Rep（重复度）：n-gram重复比率，高重复易被判定为AI模板痕迹。
• Burst（突发度）：罕见词/结构的集中出现，AI倾向一次性输出高难度词汇。
• Pattern（模式度）：句式、段落结构的规律性，AI文本常过于整齐。

权重参考：α≈0.4，β≈0.3，γ≈0.2，δ≈0.1（各版本会动态微调）。

2. 指标拆解与示例

2.1 PPL 计算示例

句子：人工智能正在改变世界。
PPL ≈ exp( -1/N Σ log P(word_i|context) )

若模型给该句的困惑度为 18，则比人类均值 35 更低，AI风险高。

2.2 Rep 计算示例

文本：人工智能技术非常重要。人工智能技术将引领未来。人工智能技术……
Rep = 重复3-gram次数 / 总3-gram数 = 0.38

Rep > 0.25 即触发高重复警告。

3. 降AI率实用技巧

1. 句式多样化：主动/被动互换、插入口语化短语。
2. 词汇替换：将高频AI词替换为同义低频词。
3. 人工断句：打破AI常用的长句模式。
4. 引用真实数据：加入具体年份、百分比、案例。
5. 使用“人味”连接词：其实、不过、说到底……

• 随机插入轻微错别字再手动修正，降低模式度。
• 段落长度呈“长短长”分布，避免AI的等长段落。

4. 在线模拟器（简化版）

下方输入框可快速体验“伪PPL”估算：