English(EN) How Well Can Large Language Models Impersonate Individual Authors? A Comparative Evaluation

大型语言模型在作者模仿方面存在困难，倾向于文本复用而非风格模仿

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-05 05:00

一项发表在arXiv上的新研究评估了包括Gemini 3 Pro、Claude Opus和GPT 5.2在内的六个主要大型语言模型模仿个体作者的能力。研究发现，虽然Gemini 3 Pro表现出最强的模仿能力，但它主要是通过广泛的句子和短语复用来实现的，而不是真正的风格模仿。研究表明，训练集的一致性比作者独特性在模仿成功方面起着更重要的作用，并且大型语言模型通常表现出模型特定的偏好，将它们生成的文本与目标作者的风格区分开来。 AI

影响凸显了当前大型语言模型在真正风格模仿方面的局限性，对检测AI生成文本和法证分析具有启示意义。

排序理由发表在arXiv上的研究论文，评估大型语言模型的能力。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 26 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 发表在arXiv上的研究论文，评估大型语言模型的能力。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Harshit Gupta, Shunichi Ishihara · 2026-11-05 05:00

大型语言模型能多大程度上模仿个体作者？一项比较性评估

arXiv:2611.05771v1 Announce Type: cross Abstract: This study investigates the authorship impersonation capacity of six widely used large language models (LLMs): Gemini 3 Pro, Claude Opus, GPT 5.2, GPT 5.2 Pro, DeepSeek 3.2, and Grok 4.1 Fast. The evaluation was conducted using sh…

本文如何被排名

报道来源 [1]

大型语言模型能多大程度上模仿个体作者？一项比较性评估

相关实体

相关话题