文本鉴定
- AI 检测到底在检测什么？鉴定器的工作原理解剖 — 把一段文字丢进 AI 鉴定器，它凭什么说这是机器写的？它不是在理解内容，而是在数三样东西：统计规律、语言习惯、来源痕迹。这篇把它拆开讲清楚。 （约 6 分钟）
- AI 写得太"顺"了：困惑度与突发性，揪出 AI 的两个统计指标 — 困惑度衡量"下一个字有多好猜"，突发性衡量"句子节奏有多起伏"。这两个指标几乎是所有 AI 文本检测的起点，用大白话讲清楚它们在算什么、为什么 AI 会在上面露馅。 （约 7 分钟）
- 为什么 AI 写的文章读起来"没味道"？从温度采样说起 — AI 不是写不出个性化的文字，是它身上有个叫"温度"的旋钮默认被拧得很低。搞懂温度采样、top-p 和训练目标，就明白 AI 腔从哪来，以及为什么"降 AI 味"本质是把温度拧回来。 （约 6 分钟）
- 不调用大模型也能鉴定？语义指纹引擎是怎么做到的 — 有些 AI 鉴定工具断网也能用、几十毫秒出结果，靠的不是另一个大模型，而是"语义指纹"：把文本的统计特征压成一个可比对的特征向量。这篇讲它看什么、怎么打分，以及和大模型判断相比差在哪。 （约 6 分钟）
- 大模型加的"隐形墨水"：文本水印能终结 AI 造假吗 — 如果模型在生成时就埋下肉眼看不见的标记，鉴定不就万无一失了？文本水印的思路确实漂亮，但改写、翻译、插入人写段落都能轻松破坏它。这篇讲它怎么工作，以及为什么它解决不了全部问题。 （约 6 分钟）
- AI 检测为什么会误判？改写、翻译与它的能力边界 — 同一段文字换个工具，结果能从 12% 跳到 89%。AI 检测为什么会误判？哪些文本天生容易被冤枉，哪些又注定抓不到？搞清楚边界，才知道结果能用来干什么、不能用来干什么。 （约 7 分钟）
图片鉴定
- 一眼看穿 AI 图片：从整体到细节的肉眼观察清单 — 手指为什么总是六根？招牌上的字为什么像外星文？ AI 生成图有稳定的破绽：手部、文字、光影、纹理、对称性。这份清单教你在不用任何工具的情况下，先自己看出八成问题。 （约 7 分钟）
- 图片也有"胎记"：噪声残差、频域痕迹与模型指纹 — 肉眼看不见的破绽，机器看得见。每张图都有噪声底噪，而不同生成器留下的底噪各不相同——这就是模型的"胎记"。讲清楚噪声残差、频域分析和模型指纹溯源，以及它们各自的软肋。 （约 7 分钟）
- 照片的身份证：EXIF 元数据能证明一张图是不是 AI 生成的吗 — 照片里藏着拍摄时间、设备型号、GPS 甚至软件名。这些信息能证明图片来源吗？能，也最容易被抹掉和伪造。讲清楚 EXIF 能做什么、不能做什么，以及 C2PA 这类新标准在解决什么问题。 （约 6 分钟）
实践指南
- AI 鉴定能当证据吗？关于准确率，你需要知道的几件事 — 系列收尾：厂商宣传的 99% 准确率意味着什么？在学校、职场、媒体三个场景里，检测结果分别能用到什么程度？一份关于"能不能用、怎么用"的实用结论。 （约 7 分钟）