● Substack 上 AI 生成内容比例调查

📌 一句话摘要 一项使用 AI 检测工具的分析显示，Substack 上部分头部新闻通讯存在大量 AI 生成内容。 📝 详细摘要 这条推文开启了一个关于 Substack 平台 AI 生成内容比例的 Thread。作者引用了一项由 Taylor Lorenz 发布的研究，该研究使用 Pangra

● Substack 头部作者大量使用 AI 写作

📌 一句话摘要 Pangram 检测发现，Substack 上一些头部 newsletter 正在发布 100% 由 AI 生成的内容。 📝 详细摘要 作为 Thread 的后续，这条推文揭示了更具体的结果：根据 Pangram 的检测，部分 Substack 上最大的「作者」并非自己写作，而是

● Substack 各类别 AI 内容占比分析

📌 一句话摘要 数据显示，Technology、Philosophy 和 Health 是 Substack 上 AI 生成内容占比最高的三个类别。 📝 详细摘要 这条推文提供了更细粒度的数据，展示了 Substack Bestseller 中不同类别 AI 生成内容的占比。其中，Technol

● Technology 类别 AI 写作比例最高

📌 一句话摘要 在 Substack 的 Technology 类别中，超过四分之一的头部文章包含相当程度的 AI 内容。 📝 详细摘要 这条推文进一步聚焦于 Technology 类别，指出该类别中 AI 写作比例最高。被分析的头部文章中，超过四分之一都包含相当程度的 AI 内容，这引发了关于

● AI 内容在 Philosophy 和 Health 类别引发担忧

📌 一句话摘要 Philosophy 和 Health 类别中高比例的 AI 生成内容，引发了对健康错误信息传播的担忧。 📝 详细摘要 这条推文讨论了 AI 内容在非技术领域的潜在风险。Philosophy 类别中 23% 和 Health 类别中 22% 的头部内容都包含 AI 生成内容，这尤

● Pangram（AI 检测软件）可以被规避 — LessWrong

📌 一句话摘要 本文探讨了 AI 检测工具 Pangram 的鲁棒性，证明了通过迭代提示词技术可以成功规避该工具，并指出其在处理较短文本片段时表现出不可靠性。 📝 详细摘要 作者测试了 AI 检测工具 Pangram，以确定它是否能可靠地区分人类创作和 AI 生成的文本。通过实证测试，作者发现了