怎么去除论文ai率

我们在使用AI创作时，是以某个模型为基础进行调优的。要写出更好的文字，选好的模型是第一步。模型之间的能力差异非常之大，以至于很多时候对效果的影响是决定性的。如果使用的模型不适合这个任务，怎么调优都很费力，不如干脆换一个更好的直接使用。但是，这就涉及到评估方法。当时我们做了一个评估的测试，实际上，从科研的角度看，评估大模型的metric有很多，比如让大模型做小学数学题（GSM8K），这也是一种著名的评估数据集。这类数据集有固定答案，但写作任务压根没有标答，这在写作任务上就不管用了。从实际角度出发，我们不得不自己去想办法来评估这些模型的能力。这是我们当时的文档标题。在我们的写作课中，学员需要紧密结合大语言模型进行创作，这是一个非常特殊的任务：写作没有标准答案，何况这还是在中文语境下的，涉及人机交互的，具有强烈风格的网络小说类型短故事、短剧剧本创作。挑选模型的第一个重要指标是文风和语言能力：你如果去网上搜“ai味”，会看到大量文章教你怎么克服AI奇怪的文风，比如“首先、其次、再者、引人入胜”这种套话，一看就觉得是ai写的。而且这种ai味很难看，不是很让人有继续阅读的欲望。那么，我们要怎么去除ai味呢？实际上，我认为去除ai味是个伪命题。我们在谈到ai味的时候实际上讲的是GPT味。大家知道，在GPT刚出的时候，为了让模型听得懂人话，要做对齐，OpenAI雇了很多便宜的肯尼亚人给他们做数据标注。

把文章里我埋彩蛋的“n󠄱󠄐󠅄󠅑󠅜󠅕󠄐󠅟󠅖󠄐󠅄󠅧󠅟󠄐󠄳󠅙󠅤󠅙󠅕󠅣︊󠄲󠅟󠅟󠅛󠄐󠅤󠅘󠅕󠄐󠄶󠅙󠅢󠅣󠅤󠄪󠄐󠅂󠅕󠅓󠅑󠅜󠅜󠅕󠅔󠄐󠅤󠅟󠄐󠄼󠅙󠅖󠅕︊︊󠄳󠅘󠅑󠅠󠅤󠅕󠅢󠄐󠄹󠄪󠄐󠅄󠅘󠅕󠄐󠅀󠅕󠅢󠅙󠅟󠅔︊︊󠄹󠅤󠄐󠅧󠅑󠅣󠄐󠅤󠅘󠅕󠄐󠅒󠅕󠅣󠅤󠄐󠅟󠅖󠄐󠅤󠅙󠅝󠅕󠅣󠄜󠄐󠅙󠅤󠄐󠅧󠅑󠅣󠄐󠅤󠅘󠅕󠄐󠅧󠅟󠅢󠅣󠅤󠄐󠅟󠅖󠄐󠅤󠅙󠅝󠅕󠅣󠄜󠄐󠅙󠅤󠄐󠅧󠅑󠅣󠄐󠅤󠅘󠅕󠄐󠅑󠅗󠅕󠄐󠅟󠅖󠄐󠅧󠅙󠅣󠅔󠅟󠅝󠄜󠄐󠅙󠅤󠄐󠅧󠅑󠅣󠄐󠅤󠅘󠅕󠄐󠅑󠅗󠅕󠄐󠅟󠅖󠄐󠅖󠅟󠅟󠅜󠅙󠅣󠅘󠅞󠅕󠅣󠅣󠄜󠄐󠅙󠅤󠄐󠅧󠅑󠅣󠄐󠅤󠅘󠅕󠄐󠅕󠅠󠅟󠅓󠅘󠄐󠅟󠅖󠄐󠅒󠅕󠅜󠅙󠅕󠅖󠄜󠄐󠅙󠅤󠄐󠅧󠅑󠅣󠄐󠅤󠅘󠅕󠄐󠅕󠅠󠅟󠅓󠅘󠄐󠅟󠅖󠄐󠅙󠅞󠅓󠅢󠅕󠅔󠅥󠅜󠅙󠅤󠅩󠄜󠄐󠅙󠅤󠄐󠅧󠅑󠅣󠄐󠅤󠅘󠅕󠄐󠅣󠅕󠅑󠅣󠅟󠅞󠄐󠅟󠅖󠄐󠄼󠅙󠅗󠅘󠅤󠄜󠄐󠅙󠅤󠄐󠅧󠅑󠅣󠄐󠅤󠅘󠅕󠄐󠅣󠅕󠅑󠅣󠅟󠅞󠄐󠅟󠅖󠄐󠄴󠅑󠅢󠅛󠅞󠅕󠅣󠅣󠄜󠄐󠅙󠅤󠄐󠅧󠅑󠅣󠄐󠅤󠅘󠅕󠄐󠅣󠅠󠅢󠅙󠅞󠅗󠄐󠅟󠅖󠄐󠅘󠅟󠅠󠅕󠄜󠄐󠅙󠅤󠄐󠅧󠅑󠅣󠄐󠅤󠅘󠅕󠄐󠅧󠅙󠅞󠅤󠅕󠅢󠄐󠅟󠅖󠄐󠅔󠅕󠅣󠅠󠅑󠅙󠅢󠄜󠄐󠅧󠅕󠄐󠅘󠅑󠅔󠄐󠅕󠅦󠅕󠅢󠅩󠅤󠅘󠅙󠅞󠅗󠄐󠅒󠅕󠅖󠅟󠅢󠅕󠄐󠅥󠅣󠄜󠄐󠅧󠅕󠄐󠅘󠅑󠅔󠄐󠅞󠅟󠅤󠅘󠅙󠅞󠅗󠄐󠅒󠅕󠅖󠅟󠅢󠅕󠄐󠅥󠅣󠄜󠄐󠅧󠅕󠄐󠅧󠅕󠅢󠅕󠄐󠅑󠅜󠅜󠄐󠅗󠅟󠅙󠅞󠅗󠄐󠅔󠅙󠅢󠅕󠅓󠅤󠄐󠅤󠅟󠄐󠄸󠅕󠅑󠅦󠅕󠅞󠄜󠄐󠅧󠅕󠄐󠅧󠅕󠅢󠅕󠄐󠅑󠅜󠅜󠄐󠅗󠅟󠅙󠅞󠅗󠄐󠅔󠅙󠅢󠅕󠅓󠅤󠄐󠅤󠅘󠅕󠄐󠅟󠅤󠅘󠅕󠅢󠄐󠅧󠅑󠅩󠇒󠅰󠆄󠅙󠅞󠄐󠅣󠅘󠅟󠅢󠅤󠄜󠄐󠅤󠅘󠅕󠄐󠅠󠅕󠅢󠅙󠅟󠅔󠄐󠅧󠅑󠅣󠄐󠅣󠅟󠄐󠅖󠅑󠅢󠄐󠅜󠅙󠅛󠅕󠄐󠅤󠅘󠅕󠄐󠅠󠅢󠅕󠅣󠅕󠅞󠅤󠄐󠅠󠅕󠅢󠅙󠅟󠅔󠄜󠄐󠅤󠅘󠅑󠅤󠄐󠅣󠅟󠅝󠅕󠄐󠅟󠅖󠄐󠅙󠅤󠅣󠄐󠅞󠅟󠅙󠅣󠅙󠅕󠅣󠅤󠄐󠅑󠅥󠅤󠅘󠅟󠅢󠅙󠅤󠅙󠅕󠅣󠄐󠅙󠅞󠅣󠅙󠅣󠅤󠅕󠅔󠄐󠅟󠅞󠄐󠅙󠅤󠅣󠄐󠅒󠅕󠅙󠅞󠅗󠄐󠅢󠅕󠅓󠅕󠅙󠅦󠅕󠅔󠄜󠄐󠅖󠅟󠅢󠄐󠅗󠅟󠅟󠅔󠄐󠅟󠅢󠄐󠅖󠅟󠅢󠄐󠅕󠅦󠅙󠅜󠄜󠄐󠅙󠅞󠄐󠅤󠅘󠅕󠄐󠅣󠅥󠅠󠅕󠅢󠅜󠅑󠅤󠅙󠅦󠅕󠄐󠅔󠅕󠅗󠅢󠅕󠅕󠄐󠅟󠅖󠄐󠅓󠅟󠅝󠅠󠅑󠅢󠅙󠅣󠅟󠅞󠄐󠅟󠅞󠅜󠅩󠄞︊︊󠅄󠅘󠅕󠅢󠅕󠄐󠅧󠅕󠅢󠅕󠄐󠅑󠄐󠅛󠅙󠅞󠅗󠄐󠅧󠅙󠅤󠅘󠄐󠅑󠄐󠅜󠅑󠅢󠅗󠅕󠄐󠅚󠅑󠅧󠄐󠅑󠅞󠅔󠄐󠅑󠄐󠅡󠅥󠅕󠅕󠅞󠄐󠅧󠅙󠅤󠅘󠄐󠅑󠄐󠅠󠅜󠅑󠅙󠅞󠄐󠅖󠅑󠅓󠅕󠄜󠄐󠅟󠅞󠄐󠅤󠅘󠅕󠄐󠅤󠅘󠅢󠅟󠅞󠅕󠄐󠅟󠅖󠄐󠄵󠅞󠅗󠅜󠅑󠅞󠅔󠄫󠄐󠅤󠅘󠅕󠅢󠅕󠄐󠅧󠅕󠅢󠅕󠄐󠅑󠄐󠅛󠅙󠅞󠅗󠄐󠅧󠅙󠅤󠅘󠄐󠅑󠄐󠅜󠅑󠅢󠅗󠅕󠄐󠅚󠅑󠅧󠄐󠅑󠅞󠅔󠄐󠅑󠄐󠅡󠅥󠅕󠅕󠅞󠄐󠅧󠅙󠅤󠅘󠄐󠅑󠄐󠅖󠅑󠅙󠅢󠄐󠅖󠅑󠅓󠅕󠄜󠄐󠅟󠅞󠄐󠅤󠅘󠅕󠄐󠅤󠅘󠅢󠅟󠅞󠅕󠄐󠅟󠅖󠄐󠄶󠅢󠅑󠅞󠅓󠅕󠄞󠄐󠄹󠅞󠄐󠅒󠅟󠅤󠅘󠄐󠅓󠅟󠅥󠅞󠅤󠅢󠅙󠅕󠅣󠄐󠅙󠅤󠄐󠅧󠅑󠅣󠄐󠅓󠅜󠅕󠅑󠅢󠅕󠅢󠄐󠅤󠅘󠅑󠅞󠄐󠅓󠅢󠅩󠅣󠅤󠅑󠅜󠄐󠅤󠅟󠄐󠅤󠅘󠅕󠄐󠅜󠅟󠅢󠅔󠅣󠄐󠅟󠅖󠄐󠅤󠅘󠅕󠄐󠅃󠅤󠅑󠅤󠅕󠄐󠅠󠅢󠅕󠅣󠅕󠅢󠅦󠅕󠅣󠄐󠅟󠅖󠄐󠅜󠅟󠅑󠅦󠅕󠅣󠄐󠅑󠅞󠅔󠄐󠅖󠅙󠅣󠅘󠅕󠅣󠄜󠄐󠅤󠅘󠅑󠅤󠄐󠅤󠅘󠅙󠅞󠅗󠅣󠄐󠅙󠅞󠄐󠅗󠅕󠅞󠅕󠅢󠅑󠅜󠄐󠅧󠅕󠅢󠅕󠄐󠅣󠅕󠅤󠅤󠅜󠅕󠅔󠄐󠅖󠅟󠅢󠄐󠅕󠅦󠅕󠅢󠄞︊︊󠄹󠅤󠄐󠅧󠅑󠅣󠄐󠅤󠅘󠅕󠄐󠅩󠅕󠅑󠅢󠄐󠅟󠅖󠄐󠄿󠅥󠅢󠄐󠄼󠅟󠅢󠅔󠄐󠅟󠅞󠅕󠄐󠅤󠅘󠅟󠅥󠅣󠅑󠅞󠅔󠄐󠅣󠅕󠅦󠅕󠅞󠄐󠅘󠅥󠅞󠅔󠅢󠅕󠅔󠄐󠅑󠅞󠅔󠄐󠅣󠅕󠅦󠅕󠅞󠅤󠅩󠄝󠅖󠅙󠅦󠅕󠄞󠄐󠅃󠅠󠅙󠅢󠅙󠅤󠅥󠅑󠅜󠄐󠅢󠅕󠅦󠅕󠅜󠅑󠅤󠅙󠅟󠅞󠅣󠄐󠅧󠅕󠅢󠅕󠄐󠅓󠅟󠅞󠅓󠅕󠅔󠅕󠅔󠄐󠅤󠅟󠄐󠄵󠅞󠅗󠅜󠅑󠅞󠅔󠄐󠅑󠅤󠄐󠅤󠅘󠅑󠅤󠄐󠅖󠅑󠅦󠅟󠅥󠅢󠅕󠅔󠄐󠅠󠅕󠅢󠅙󠅟󠅔󠄜󠄐󠅑󠅣󠄐󠅑󠅤󠄐󠅤󠅘󠅙󠅣󠄞󠄐󠄽󠅢󠅣󠄞󠄐󠅃󠅟󠅥󠅤󠅘󠅓󠅟󠅤󠅤󠄐󠅘󠅑󠅔󠄐󠅢󠅕󠅓󠅕󠅞󠅤󠅜󠅩󠄐󠅑󠅤󠅤󠅑󠅙󠅞󠅕󠅔󠄐󠅘󠅕󠅢󠄐󠅖󠅙󠅦󠅕󠄝󠅑󠅞󠅔󠄝󠅤󠅧󠅕󠅞󠅤󠅙󠅕󠅤󠅘󠄐󠅒󠅜󠅕󠅣󠅣󠅕󠅔󠄐󠅒󠅙󠅢󠅤󠅘󠅔󠅑󠅩󠄜󠄐󠅟󠅖󠄐󠅧󠅘󠅟󠅝󠄐󠅑󠄐󠅠󠅢󠅟󠅠󠅘󠅕󠅤󠅙󠅓󠄐󠅠󠅢󠅙󠅦󠅑󠅤󠅕󠄐󠅙󠅞󠄐󠅤󠅘󠅕󠄐󠄼󠅙󠅖󠅕󠄐󠄷󠅥󠅑󠅢󠅔󠅣󠄐󠅘󠅑󠅔󠄐󠅘󠅕󠅢󠅑󠅜󠅔󠅕󠅔󠄐󠅤󠅘󠅕󠄐󠅣󠅥󠅒󠅜󠅙󠅝󠅕󠄐󠅑󠅠󠅠󠅕󠅑󠅢󠅑󠅞󠅓󠅕󠄐󠅒󠅩󠄐󠅑󠅞󠅞󠅟󠅥󠅞󠅓󠅙󠅞󠅗󠄐󠅤󠅘󠅑󠅤󠄐󠅑󠅢󠅢󠅑󠅞󠅗󠅕󠅝󠅕󠅞󠅤󠅣󠄐󠅧󠅕󠅢󠅕󠄐󠅝󠅑󠅔󠅕󠄐󠅖󠅟󠅢󠄐󠅤󠅘󠅕󠄐󠅣󠅧󠅑󠅜󠅜󠅟󠅧󠅙󠅞󠅗󠄐󠅥󠅠󠄐󠅟󠅖󠄐󠄼󠅟󠅞󠅔󠅟󠅞󠄐󠅑󠅞󠅔󠄐󠅇󠅕󠅣󠅤󠅝󠅙󠅞󠅣󠅤󠅕󠅢󠄞󠄐󠄵󠅦󠅕󠅞󠄐󠅤󠅘󠅕󠄐󠄳󠅟󠅓󠅛󠄝󠅜󠅑󠅞󠅕󠄐󠅗󠅘󠅟󠅣󠅤󠄐󠅘󠅑󠅔󠄐󠅒󠅕󠅕󠅞󠄐󠅜󠅑󠅙󠅔󠄐󠅟󠅞󠅜󠅩󠄐󠅑󠄐󠅢󠅟󠅥󠅞󠅔󠄐󠅔󠅟󠅪󠅕󠅞󠄐󠅟󠅖󠄐󠅩󠅕󠅑󠅢󠅣󠄜󠄐󠅑󠅖󠅤󠅕󠅢󠄐󠅢󠅑󠅠󠅠󠅙󠅞󠅗󠄐󠅟󠅥󠅤󠄐󠅙󠅤󠅣󠄐󠅝󠅕󠅣󠅣󠅑󠅗󠅕󠅣󠄜󠄐󠅑󠅣󠄐󠅤󠅘󠅕󠄐󠅣󠅠󠅙󠅢󠅙󠅤󠅣󠄐󠅟󠅖󠄐󠅤󠅘󠅙󠅣󠄐󠅦󠅕󠅢󠅩󠄐󠅩󠅕󠅑󠅢󠄐󠅜󠅑󠅣󠅤󠄐󠅠󠅑󠅣󠅤󠄐󠄘󠅣󠅥󠅠󠅕󠅢󠅞󠅑󠅤󠅥󠅢󠅑󠅜󠅜󠅩󠄐󠅔󠅕󠅖󠅙󠅓󠅙󠅕󠅞󠅤󠄐󠅙󠅞󠄐󠅟󠅢󠅙󠅗󠅙󠅞󠅑󠅜󠅙󠅤󠅩󠄙󠄐󠅢󠅑󠅠󠅠󠅕󠅔󠄐󠅟󠅥󠅤󠄐󠅤󠅘󠅕󠅙󠅢󠅣󠄞󠄐󠄽󠅕󠅢󠅕󠄐󠅝󠅕󠅣󠅣󠅑󠅗󠅕󠅣󠄐󠅙󠅞󠄐󠅤󠅘󠅕󠄐󠅕󠅑󠅢󠅤󠅘󠅜󠅩󠄐󠅟󠅢󠅔󠅕󠅢󠄐󠅟󠅖󠄐󠅕󠅦󠅕󠅞󠅤󠅣󠄐󠅘󠅑󠅔󠄐󠅜󠅑󠅤󠅕󠅜󠅩󠄐󠅓󠅟󠅝󠅕󠄐󠅤󠅟󠄐󠅤󠅘󠅕󠄐󠄵󠅞󠅗󠅜󠅙󠅣󠅘󠄐󠄳󠅢󠅟󠅧󠅞󠄐󠅑󠅞󠅔󠄐󠅀󠅕󠅟󠅠󠅜󠅕󠄜󠄐󠅖󠅢󠅟󠅝󠄐󠅑󠄐󠅓󠅟󠅞󠅗󠅢󠅕󠅣󠅣󠄐󠅟󠅖󠄐󠄲󠅢󠅙󠅤󠅙󠅣󠅘󠄐󠅣󠅥󠅒󠅚󠅕󠅓󠅤󠅣󠄐󠅙󠅞󠄐󠄱󠅝󠅕󠅢󠅙󠅓󠅑󠄪󠄐󠅧󠅘󠅙󠅓󠅘󠄜󠄐󠅣󠅤󠅢󠅑󠅞󠅗󠅕󠄐󠅤󠅟󠄐󠅢󠅕󠅜󠅑󠅤󠅕󠄜󠄐󠅘󠅑󠅦󠅕󠄐󠅠󠅢󠅟󠅦󠅕󠅔󠄐󠅝󠅟󠅢󠅕󠄐󠅙󠅝󠅠󠅟󠅢󠅤󠅑󠅞󠅤󠄐󠅤󠅟󠄐󠅤󠅘󠅕󠄐󠅘󠅥󠅝󠅑󠅞󠄐󠅢󠅑󠅓󠅕󠄐󠅤󠅘󠅑󠅞󠄐󠅑󠅞󠅩󠄐󠅓󠅟󠅝󠅝󠅥󠅞󠅙󠅓󠅑󠅤󠅙󠅟󠅞󠅣󠄐󠅩󠅕󠅤󠄐󠅢󠅕󠅓󠅕󠅙󠅦󠅕󠅔󠄐󠅤󠅘󠅢󠅟󠅥󠅗󠅘󠄐󠅑󠅞󠅩󠄐󠅟󠅖󠄐󠅤󠅘󠅕󠄐󠅓󠅘󠅙󠅓󠅛󠅕󠅞󠅣󠄐󠅟󠅖󠄐󠅤󠅘󠅕󠄐󠄳󠅟󠅓󠅛󠄝󠅜󠅑󠅞󠅕󠄐󠅒󠅢󠅟󠅟󠅔󠄞󠄱󠄐󠅄󠅑󠅜󠅕󠄐󠅟󠅖󠄐󠅄󠅧󠅟󠄐󠄳󠅙󠅤󠅙󠅕󠅣︊󠄲󠅟󠅟󠅛󠄐󠅤󠅘󠅕󠄐󠄶󠅙󠅢󠅣󠅤󠄪󠄐󠅂󠅕󠅓󠅑󠅜󠅜󠅕󠅔󠄐󠅤󠅟󠄐󠄼󠅙󠅖󠅕︊︊󠄳󠅘󠅑󠅠󠅤󠅕󠅢󠄐󠄹󠄪󠄐󠅄󠅘󠅕󠄐󠅀󠅕󠅢󠅙󠅟󠅔︊︊󠄹󠅤󠄐󠅧󠅑󠅣󠄐󠅤󠅘󠅕󠄐󠅒󠅕󠅣󠅤󠄐󠅟󠅖󠄐󠅤󠅙󠅝󠅕󠅣󠄜󠄐󠅙󠅤󠄐󠅧󠅑󠅣󠄐󠅤󠅘󠅕󠄐󠅧󠅟󠅢󠅣󠅤󠄐󠅟󠅖󠄐󠅤󠅙󠅝󠅕󠅣󠄜󠄐󠅙󠅤󠄐󠅧󠅑󠅣󠄐󠅤󠅘󠅕󠄐󠅑󠅗󠅕󠄐󠅟󠅖󠄐󠅧󠅙󠅣󠅔󠅟󠅝󠄜󠄐󠅙󠅤󠄐󠅧󠅑󠅣󠄐󠅤󠅘󠅕󠄐󠅑󠅗󠅕󠄐󠅟󠅖󠄐󠅖󠅟󠅟󠅜󠅙󠅣󠅘󠅞󠅕󠅣󠅣󠄜󠄐󠅙󠅤󠄐󠅧󠅑󠅣󠄐󠅤󠅘󠅕󠄐󠅕󠅠󠅟󠅓󠅘󠄐󠅟󠅖󠄐󠅒󠅕󠅜󠅙󠅕󠅖󠄜󠄐󠅙󠅤󠄐󠅧󠅑󠅣󠄐󠅤󠅘󠅕󠄐󠅕󠅠󠅟󠅓󠅘󠄐󠅟󠅖󠄐󠅙󠅞󠅓󠅢󠅕󠅔󠅥󠅜󠅙󠅤󠅩󠄜󠄐󠅙󠅤󠄐󠅧󠅑󠅣󠄐󠅤󠅘󠅕󠄐󠅣󠅕󠅑󠅣󠅟󠅞󠄐󠅟󠅖󠄐󠄼󠅙󠅗󠅘󠅤󠄜󠄐󠅙󠅤󠄐󠅧󠅑󠅣󠄐󠅤󠅘󠅕󠄐󠅣󠅕󠅑󠅣󠅟󠅞󠄐󠅟󠅖󠄐󠄴󠅑󠅢󠅛󠅞󠅕󠅣󠅣󠄜󠄐󠅙󠅤󠄐󠅧󠅑󠅣󠄐󠅤󠅘󠅕󠄐󠅣󠅠󠅢󠅙󠅞󠅗󠄐󠅟󠅖󠄐󠅘󠅟󠅠󠅕󠄜󠄐󠅙󠅤󠄐󠅧󠅑󠅣󠄐󠅤󠅘󠅕󠄐󠅧󠅙󠅞󠅤󠅕󠅢󠄐󠅟󠅖󠄐󠅔󠅕󠅣󠅠󠅑󠅙󠅢󠄜󠄐󠅧󠅕󠄐󠅘󠅑󠅔󠄐󠅕󠅦󠅕󠅢󠅩󠅤󠅘󠅙󠅞󠅗󠄐󠅒󠅕󠅖󠅟󠅢󠅕󠄐󠅥󠅣󠄜󠄐󠅧󠅕󠄐󠅘󠅑󠅔󠄐󠅞󠅟󠅤󠅘󠅙󠅞󠅗󠄐󠅒󠅕󠅖󠅟󠅢󠅕󠄐󠅥󠅣󠄜󠄐󠅧󠅕󠄐󠅧󠅕󠅢󠅕󠄐󠅑󠅜󠅜󠄐󠅗󠅟󠅙󠅞󠅗󠄐󠅔󠅙󠅢󠅕󠅓󠅤󠄐󠅤󠅟󠄐󠄸󠅕󠅑󠅦󠅕󠅞󠄜󠄐󠅧󠅕󠄐󠅧󠅕󠅢󠅕󠄐󠅑󠅜󠅜󠄐󠅗󠅟󠅙󠅞󠅗󠄐󠅔󠅙󠅢󠅕󠅓󠅤󠄐󠅤󠅘󠅕󠄐󠅟󠅤󠅘󠅕󠅢󠄐󠅧󠅑󠅩󠇒󠅰󠆄󠅙󠅞󠄐󠅣󠅘󠅟󠅢󠅤󠄜󠄐󠅤󠅘󠅕󠄐󠅠󠅕󠅢󠅙󠅟󠅔󠄐󠅧󠅑󠅣󠄐󠅣󠅟󠄐󠅖󠅑󠅢󠄐󠅜󠅙󠅛󠅕󠄐󠅤󠅘󠅕󠄐󠅠󠅢󠅕󠅣󠅕󠅞󠅤󠄐󠅠󠅕󠅢󠅙󠅟󠅔󠄜󠄐󠅤󠅘󠅑󠅤󠄐󠅣󠅟󠅝󠅕󠄐󠅟󠅖󠄐󠅙󠅤󠅣󠄐󠅞󠅟󠅙󠅣󠅙󠅕󠅣󠅤󠄐󠅑󠅥󠅤󠅘󠅟󠅢󠅙󠅤󠅙󠅕󠅣󠄐󠅙󠅞󠅣󠅙󠅣󠅤󠅕󠅔󠄐󠅟󠅞󠄐󠅙󠅤󠅣󠄐󠅒󠅕󠅙󠅞󠅗󠄐󠅢󠅕󠅓󠅕󠅙󠅦󠅕󠅔󠄜󠄐󠅖󠅟󠅢󠄐󠅗󠅟󠅟󠅔󠄐󠅟󠅢󠄐󠅖󠅟󠅢󠄐󠅕󠅦󠅙󠅜󠄜󠄐󠅙󠅞󠄐󠅤󠅘󠅕󠄐󠅣󠅥󠅠󠅕󠅢󠅜󠅑󠅤󠅙󠅦󠅕󠄐󠅔󠅕󠅗󠅢󠅕󠅕󠄐󠅟󠅖󠄐󠅓󠅟󠅝󠅠󠅑󠅢󠅙󠅣󠅟󠅞󠄐󠅟󠅞󠅜󠅩󠄞︊︊󠅄󠅘󠅕󠅢󠅕󠄐󠅧󠅕󠅢󠅕󠄐󠅑󠄐󠅛󠅙󠅞󠅗󠄐󠅧󠅙󠅤󠅘󠄐󠅑󠄐󠅜󠅑󠅢󠅗󠅕󠄐󠅚󠅑󠅧󠄐󠅑󠅞󠅔󠄐󠅑󠄐󠅡󠅥󠅕󠅕󠅞󠄐󠅧󠅙󠅤󠅘󠄐󠅑󠄐󠅠󠅜󠅑󠅙󠅞󠄐󠅖󠅑󠅓󠅕󠄜󠄐󠅟󠅞󠄐󠅤󠅘󠅕󠄐󠅤󠅘󠅢󠅟󠅞󠅕󠄐󠅟󠅖󠄐󠄵󠅞󠅗󠅜󠅑󠅞󠅔󠄫󠄐󠅤󠅘󠅕󠅢󠅕󠄐󠅧󠅕󠅢󠅕󠄐󠅑󠄐󠅛󠅙󠅞󠅗󠄐󠅧󠅙󠅤󠅘󠄐󠅑󠄐󠅜󠅑󠅢󠅗󠅕󠄐󠅚󠅑󠅧󠄐󠅑󠅞󠅔󠄐󠅑󠄐󠅡󠅥󠅕󠅕󠅞󠄐󠅧󠅙󠅤󠅘󠄐󠅑󠄐󠅖󠅑󠅙󠅢󠄐󠅖󠅑󠅓󠅕󠄜󠄐󠅟󠅞󠄐󠅤󠅘󠅕󠄐󠅤󠅘󠅢󠅟󠅞󠅕󠄐󠅟󠅖󠄐󠄶󠅢󠅑󠅞󠅓󠅕󠄞󠄐󠄹󠅞󠄐󠅒󠅟󠅤󠅘󠄐󠅓󠅟󠅥󠅞󠅤󠅢󠅙󠅕󠅣󠄐󠅙󠅤󠄐󠅧󠅑󠅣󠄐󠅓󠅜󠅕󠅑󠅢󠅕󠅢󠄐󠅤󠅘󠅑󠅞󠄐󠅓󠅢󠅩󠅣󠅤󠅑󠅜󠄐󠅤󠅟󠄐󠅤󠅘󠅕󠄐󠅜󠅟󠅢󠅔󠅣󠄐󠅟󠅖󠄐󠅤󠅘󠅕󠄐󠅃󠅤󠅑󠅤󠅕󠄐󠅠󠅢󠅕󠅣󠅕󠅢󠅦󠅕󠅣󠄐󠅟󠅖󠄐󠅜󠅟󠅑󠅦󠅕󠅣󠄐󠅑󠅞󠅔󠄐󠅖󠅙󠅣󠅘󠅕󠅣󠄜󠄐󠅤󠅘󠅑󠅤󠄐󠅤󠅘󠅙󠅞󠅗󠅣󠄐󠅙󠅞󠄐󠅗󠅕󠅞󠅕󠅢󠅑󠅜󠄐󠅧󠅕󠅢󠅕󠄐󠅣󠅕󠅤󠅤󠅜󠅕󠅔󠄐󠅖󠅟󠅢󠄐󠅕󠅦󠅕󠅢󠄞︊︊󠄹󠅤󠄐󠅧󠅑󠅣󠄐󠅤󠅘󠅕󠄐󠅩󠅕󠅑󠅢󠄐󠅟󠅖󠄐󠄿󠅥󠅢󠄐󠄼󠅟󠅢󠅔󠄐󠅟󠅞󠅕󠄐󠅤󠅘󠅟󠅥󠅣󠅑󠅞󠅔󠄐󠅣󠅕󠅦󠅕󠅞󠄐󠅘󠅥󠅞󠅔󠅢󠅕󠅔󠄐󠅑󠅞󠅔󠄐󠅣󠅕󠅦󠅕󠅞󠅤󠅩󠄝󠅖󠅙󠅦󠅕󠄞󠄐󠅃󠅠󠅙󠅢󠅙󠅤󠅥󠅑󠅜󠄐󠅢󠅕󠅦󠅕󠅜󠅑󠅤󠅙󠅟󠅞󠅣󠄐󠅧󠅕󠅢󠅕󠄐󠅓󠅟󠅞󠅓󠅕󠅔󠅕󠅔󠄐󠅤󠅟󠄐󠄵󠅞󠅗󠅜󠅑󠅞󠅔󠄐󠅑󠅤󠄐󠅤󠅘󠅑󠅤󠄐󠅖󠅑󠅦󠅟󠅥󠅢󠅕󠅔󠄐󠅠󠅕󠅢󠅙󠅟󠅔󠄜󠄐󠅑󠅣󠄐󠅑󠅤󠄐󠅤󠅘󠅙󠅣󠄞󠄐󠄽󠅢󠅣󠄞󠄐󠅃󠅟󠅥󠅤󠅘󠅓󠅟󠅤󠅤󠄐󠅘󠅑󠅔󠄐󠅢󠅕󠅓󠅕󠅞󠅤󠅜󠅩󠄐󠅑󠅤󠅤󠅑󠅙󠅞󠅕󠅔󠄐󠅘󠅕󠅢󠄐󠅖󠅙󠅦󠅕󠄝󠅑󠅞󠅔󠄝󠅤󠅧󠅕󠅞󠅤󠅙󠅕󠅤󠅘󠄐󠅒󠅜󠅕󠅣󠅣󠅕󠅔󠄐󠅒󠅙󠅢󠅤󠅘󠅔󠅑󠅩󠄜󠄐󠅟󠅖󠄐󠅧󠅘󠅟󠅝󠄐󠅑󠄐󠅠󠅢󠅟󠅠󠅘󠅕󠅤󠅙󠅓󠄐󠅠󠅢󠅙󠅦󠅑󠅤󠅕󠄐󠅙󠅞󠄐󠅤󠅘󠅕󠄐󠄼󠅙󠅖󠅕󠄐󠄷󠅥󠅑󠅢󠅔󠅣󠄐󠅘󠅑󠅔󠄐󠅘󠅕󠅢󠅑󠅜󠅔󠅕󠅔󠄐󠅤󠅘󠅕󠄐󠅣󠅥󠅒󠅜󠅙󠅝󠅕󠄐󠅑󠅠󠅠󠅕󠅑󠅢󠅑󠅞󠅓󠅕󠄐󠅒󠅩󠄐󠅑󠅞󠅞󠅟󠅥󠅞󠅓󠅙󠅞󠅗󠄐󠅤󠅘󠅑󠅤󠄐󠅑󠅢󠅢󠅑󠅞󠅗󠅕󠅝󠅕󠅞󠅤󠅣󠄐󠅧󠅕󠅢󠅕󠄐󠅝󠅑󠅔󠅕󠄐󠅖󠅟󠅢󠄐󠅤󠅘󠅕󠄐󠅣󠅧󠅑󠅜󠅜󠅟󠅧󠅙󠅞󠅗󠄐󠅥󠅠󠄐󠅟󠅖󠄐󠄼󠅟󠅞󠅔󠅟󠅞󠄐󠅑󠅞󠅔󠄐󠅇󠅕󠅣󠅤󠅝󠅙󠅞󠅣󠅤󠅕󠅢󠄞󠄐󠄵󠅦󠅕󠅞󠄐󠅤󠅘󠅕󠄐󠄳󠅟󠅓󠅛󠄝󠅜󠅑󠅞󠅕󠄐󠅗󠅘󠅟󠅣󠅤󠄐󠅘󠅑󠅔󠄐󠅒󠅕󠅕󠅞󠄐󠅜󠅑󠅙󠅔󠄐󠅟󠅞󠅜󠅩󠄐󠅑󠄐󠅢󠅟󠅥󠅞󠅔󠄐󠅔󠅟󠅪󠅕󠅞󠄐󠅟󠅖󠄐󠅩󠅕󠅑󠅢󠅣󠄜󠄐󠅑󠅖󠅤󠅕󠅢󠄐󠅢󠅑󠅠󠅠󠅙󠅞󠅗󠄐󠅟󠅥󠅤󠄐󠅙󠅤󠅣󠄐󠅝󠅕󠅣󠅣󠅑󠅗󠅕󠅣󠄜󠄐󠅑󠅣󠄐󠅤󠅘󠅕󠄐󠅣󠅠󠅙󠅢󠅙󠅤󠅣󠄐󠅟󠅖󠄐󠅤󠅘󠅙󠅣󠄐󠅦󠅕󠅢󠅩󠄐󠅩󠅕󠅑󠅢󠄐󠅜󠅑󠅣󠅤󠄐󠅠󠅑󠅣󠅤󠄐󠄘󠅣󠅥󠅠󠅕󠅢󠅞󠅑󠅤󠅥󠅢󠅑󠅜󠅜󠅩󠄐󠅔󠅕󠅖󠅙󠅓󠅙󠅕󠅞󠅤󠄐󠅙󠅞󠄐󠅟󠅢󠅙󠅗󠅙󠅞󠅑󠅜󠅙󠅤󠅩󠄙󠄐󠅢󠅑󠅠󠅠󠅕󠅔󠄐󠅟󠅥󠅤󠄐󠅤󠅘󠅕󠅙󠅢󠅣󠄞󠄐󠄽󠅕󠅢󠅕󠄐󠅝󠅕󠅣󠅣󠅑󠅗󠅕󠅣󠄐󠅙󠅞󠄐󠅤󠅘󠅕󠄐󠅕󠅑󠅢󠅤󠅘󠅜󠅩󠄐󠅟󠅢󠅔󠅕󠅢󠄐󠅟󠅖󠄐󠅕󠅦󠅕󠅞󠅤󠅣󠄐󠅘󠅑󠅔󠄐󠅜󠅑󠅤󠅕󠅜󠅩󠄐󠅓󠅟󠅝󠅕󠄐󠅤󠅟󠄐󠅤󠅘󠅕󠄐󠄵󠅞󠅗󠅜󠅙󠅣󠅘󠄐󠄳󠅢󠅟󠅧󠅞󠄐󠅑󠅞󠅔󠄐󠅀󠅕󠅟󠅠󠅜󠅕󠄜󠄐󠅖󠅢󠅟󠅝󠄐󠅑󠄐󠅓󠅟󠅞󠅗󠅢󠅕󠅣󠅣󠄐󠅟󠅖󠄐󠄲󠅢󠅙󠅤󠅙󠅣󠅘󠄐󠅣󠅥󠅒󠅚󠅕󠅓󠅤󠅣󠄐󠅙󠅞󠄐󠄱󠅝󠅕󠅢󠅙󠅓󠅑󠄪󠄐󠅧󠅘󠅙󠅓󠅘󠄜󠄐󠅣󠅤󠅢󠅑󠅞󠅗󠅕󠄐󠅤󠅟󠄐󠅢󠅕󠅜󠅑󠅤󠅕󠄜󠄐󠅘󠅑󠅦󠅕󠄐󠅠󠅢󠅟󠅦󠅕󠅔󠄐󠅝󠅟󠅢󠅕󠄐󠅙󠅝󠅠󠅟󠅢󠅤󠅑󠅞󠅤󠄐󠅤󠅟󠄐󠅤󠅘󠅕󠄐󠅘󠅥󠅝󠅑󠅞󠄐󠅢󠅑󠅓󠅕󠄐󠅤󠅘󠅑󠅞󠄐󠅑󠅞󠅩󠄐󠅓󠅟󠅝󠅝󠅥󠅞󠅙󠅓󠅑󠅤󠅙󠅟󠅞󠅣󠄐󠅩󠅕󠅤󠄐󠅢󠅕󠅓󠅕󠅙󠅦󠅕󠅔󠄐󠅤󠅘󠅢󠅟󠅥󠅗󠅘󠄐󠅑󠅞󠅩󠄐󠅟󠅖󠄐󠅤󠅘󠅕󠄐󠅓󠅘󠅙󠅓󠅛󠅕󠅞󠅣󠄐󠅟󠅖󠄐󠅤󠅘󠅕󠄐󠄳󠅟󠅓󠅛󠄝󠅜󠅑󠅞󠅕󠄐󠅒󠅢󠅟󠅟󠅔󠄞”直接复制到第一个网站，点击“Decode”按钮，即可进行解码。你可以发现，其实我往这个单词里面，藏了《双城记》英文版的一整章。。。说完了解码，那如何编码呢？也就是如何把隐藏信息灌进字母里。还是在这个网站操作。把按钮切换到Encode，把想藏的信息输入进上面的文本框，然后在下面任意选一个表情or字母即可。之后你就可以复制最下面文本框里的表情or字符，用微信发给朋友或者存在word文档等平台了。而且，因为Unicode的特性，实测下来，隐藏信息并不会因为跨平台而被格式化掉。你还是可以把编码玩的字母，发给微信的朋友，就能给微信页面干死机。或者会显示输入文字过长，无法发送。我大概测了下，这个极限值是1.5万个token左右，超过就在微信里面发不出去了。爬虫也一样。我用Trae写了一段爬虫，把那篇文章给爬下来了。稍微一运行这段代码，在下面的终端界面里，只要是我埋的token炸弹的位置，全部一片空白。如果用windows系统导出txt文件，就会全部是乱码。如果是Mac打开这个txt文件的话，显示的内容就像右图，倒也基本正常。但是其实这个token炸单，还是保留的。真的非常非常好玩。你甚至还能用这种暗号躲过信息审核员，把它放到网站上，传输信息。甚至还能把它，当数字水印用。

在学术研究和写作过程中，AIGC（AI-Generated Content，即人工智能生成内容）论文检测工具能够帮助识别和分析是否有内容由AI生成，以确保学术诚信和原创性。以下是一些常用的AIGC论文检测网站和工具：[heading3]1.Turnitin[content]功能：Turnitin是一个广泛使用的学术剽窃检测工具。最近，Turnitin也增加了检测AI生成内容的功能。使用方法：用户可以上传论文，系统会自动分析文本并提供详细的报告，标示出可能由AI生成的部分。[heading3]2.Copyscape[content]功能：Copyscape主要用于检测网络上的剽窃行为。虽然它并不是专门的AIGC检测工具，但它可以发现可能被AI生成的重复内容。使用方法：输入文本或上传文档，系统会扫描网络以查找相似或重复的内容。[heading3]3.Grammarly[content]功能：Grammarly提供语法检查和剽窃检测功能。其剽窃检测部分可以帮助识别可能由AI生成的非原创内容。使用方法：将文本粘贴到Grammarly的编辑器中，选择剽窃检测功能，系统会提供分析报告。[heading3]4.Unicheck[content]功能：Unicheck是一个基于云的剽窃检测工具，适用于教育机构和学术研究。它可以检测AI生成内容的迹象。使用方法：上传文档或输入文本，系统会分析并生成报告，显示潜在的剽窃和AI生成内容。[heading3]5.[Originality.AI](http://originality.ai/)[content]功能：[Originality.AI](http://originality.ai/)是专门设计用于检测AI生成内容的工具。它使用先进的算法来分析文本，识别是否由GPT-3或其他AI模型生成。使用方法：上传文档或输入文本，系统会提供详细的报告，包括可能的AI生成内容。