How we measured AI writing across arXiv, and where the measurement breaks

作者对 12,750 篇 arXiv 全文进行评分，得到“约三分之一的新论文读起来像机器写作”的总体结果，同时把测量失效边界放在结论旁边。此类分类器捕捉的是语言分布与风格模式，容易被学科模板、非母语表达、润色工具和人机混写混淆，因此适合观察群体趋势，不适合给单篇论文判定作者行为。文章真正有价值的部分是把耸动比例与推断限制同时展示，提醒读者不要把检测分数误当取证证据。