Pregled jezikovnih in slogovnih vzorcev po katerih naj bi bilo mogoče prepoznati besedila, ki jih je ustvaril AI (LLM)

May 7, 2026 | LLM (AI)

VIR

• VIR: https://www.pangram.com/blog/comprehensive-guide-to-spotting-ai-writing-patterns

BISTVO

• Članek “Comprehensive Guide to Spotting AI Writing Patterns” je objavil Bradley Emi 2. aprila 2025 in ga postavi kot obsežen, vendar izrecno “non-exhaustive” vodnik za prepoznavanje vzorcev v AI-besedilih.

• Osrednja teza je, da AI pogosto pretirano uporablja določen nabor besed in fraz, ki se v človeškem pisanju pojavljajo redkeje, zato so prav te ponavljajoče se izbire eden glavnih signalov za zaznavanje.

• Avtor razdeli te signale na več ravni: leksiko, stavčne vzorce, pravopis in slovnico, organizacijo besedila, namen, ton, ustvarjalnost, specifičnost, refleksijo ter ponavljanje.

• Po članku je AI-pisanje pogosto preveč gladko, formalno in organizirano, z odstavki podobne dolžine, generičnimi sklepi ter splošnimi formulacijami, ki skušajo ustrezati širokemu naboru možnih navodil.

• Posebej uporaben del je kontrast med AI in človekom: človeško pisanje naj bi bilo bolj neenakomerno, bolj specifično, bolj osebno in manj “popolno”, medtem ko AI pogosto zveni ustrežljivo, previdno in slogovno monotono.

DEJSTVA

• Besedni del članka je organiziran v pet slovničnih oziroma leksikalnih skupin: samostalniki, glagoli, pridevniki, prislovi in fraze.

• Med oblikovnimi znaki članek izrecno omenja, da AI pogosto uporablja pomišljaj em dash, redkeje pa podpičja in oklepaje.

• V delu o pravopisu in slovnici avtor navaja ameriško angleščino, Oxfordsko vejico, redko rabo kontrakcij, kot je “we’ve”, ter skoraj popolno odsotnost črkovalnih napak.

• Najbolj konkreten numerični podatek v članku pravi, da je v 60–70% imen v AI-člankih iz ChatGPT in Claude uporabljeno ime “Emily” ali “Sarah”.

• Na dnu strani so navedena tudi sorodna besedila Pangrama, med drugim “What Is Patchwork Plagiarism?” z datumom 26. marec 2026, “What happens when an AI detector makes a mistake?” z datumom 15. maj 2025 in “Did AI Write This?” z datumom 12. marec 2026.

CITATI

• “AI overuses certain words and phrases much more than others.” — to je jedrnat povzetek glavnega argumenta članka o prepoznavnih leksikalnih vzorcih.

• “AI uses American English spelling.” — članek ta pravopisni signal predstavi kot enega od opaznih, čeprav ne odločilnih indikatorjev.

• “AI uses Oxford commas.” — avtor tudi na ravni ločil išče ponavljajoče se slogovne navade modelov.

• “AI generated text writes in an extremely formal tone unless it instructed not to.” — s tem članek opiše tipično tog in pretirano urejen zven takšnih besedil.

• “AI often repeats itself, especially in the conclusions.” — ponavljanje, zlasti v zaključkih, je predstavljeno kot eden najbolj praktičnih opozorilnih znakov.

Sedanji LLM-i še niso pripravljeni na zanesljivo znanstveno, poslovno ali ustvarjalno delo brez striktnega človeškega nadzora (Philippe Laban, Tobias Schnabel in Jennifer Neville, vsi iz Microsoft Research.)

Apr 25, 2026 | LLM (AI)

Članek trdi, da današnji LLM-i še niso zanesljivi za delegirano urejanje dokumentov, ker skozi daljše zaporedje nalog tiho vnašajo napake in sčasoma kvarijo vsebino. Avtorji zato predstavijo nov benchmark DELEGATE-52, s katerim merijo, kako dobro modeli ohranjajo pravilnost dokumentov skozi dolge delovne tokove v 52 različnih strokovnih domenah. Najpomembnejše praktično sporočilo je, da dober rezultat v kratkem ali enkratnem testu še ne pomeni, da bo model varen pri dolgotrajni uporabi na istih datotekah. LLM-i danes pri delegiranem delu pogosto ne odpovedo z mnogimi majhnimi napakami, temveč z redkimi, a hudimi okvarami, ki se nato seštevajo skozi več interakcij.

VIR    https://arxiv.org/pdf/2604.15597.pdf

https://github.com/microsoft/DELEGATE52

BISTVO

• Članek uvede benchmark DELEGATE-52, ki simulira dolge delovne tokove urejanja dokumentov v 52 profesionalnih domenah, od programiranja in kristalografije do glasbene notacije in računovodstva.

• Osrednja ugotovitev je, da tudi najboljši preizkušeni modeli po daljšem zaporedju delegiranih nalog opazno poslabšajo dokumente, namesto da bi jih zanesljivo ohranili ali pravilno povrnili v prvotno stanje.

• Metodologija temelji na “round-trip” pristopu: model najprej izvede spremembo, nato njeno obratno različico, raziskovalci pa izmerijo, koliko prvotne vsebine je po tem ciklu še pravilno ohranjene.

• Rezultati kažejo, da so modeli praviloma boljši v strogo strukturiranih ali programskih domenah, precej slabši pa v naravnojezikovnih in nišnih formatih, kjer je semantična natančnost težje vzdržna.

• Avtorji iz tega sklepajo, da sedanji LLM-i še niso pripravljeni na zanesljivo delegirano znanstveno, poslovno ali ustvarjalno delo brez tesnega človeškega nadzora.

DEJSTVA

• Benchmark zajema 52 domen, 310 delovnih okolij in skupaj 2.125 nalog urejanja, razporejenih v pet skupin: Science & Engineering, Code & Configuration, Creative & Media, Structured Records in Everyday.

• V glavnem eksperimentu so avtorji preizkusili 19 modelov; med vodilnimi so navedeni Gemini 3.1 Pro, Claude 4.6 Opus in GPT 5.4.

• Po 20 interakcijah so frontier modeli v povprečju izgubili približno 25% vsebine dokumenta, povprečna degradacija čez vse modele pa je bila približno 50%.

• Python je edina domena od 52, v kateri je večina modelov dosegla prag “ready”, ki ga avtorji definirajo kot vsaj 98% ohranjenosti po 20 interakcijah.

• Avtorji pokažejo še tri pomembne učinke: večji dokumenti poslabšajo rezultat, daljši potek interakcije dodatno kopiči napake, prisotnost distraktorskih datotek pa zanesljivo škodi uspešnosti.

CITATI

• “current models degrade documents during delegation” pomeni glavno tezo članka: problem ni le nepopolnost, ampak sistematična degradacija med delegiranjem dela.

• “corrupt an average of 25% of document content” je najbolj neposredna številčna ocena škode, ki jo avtorji pripišejo tudi najmočnejšim modelom v dolgih potekih.

• “agentic tool use does not improve performance” poudari, da preprosta dodana orodja sama po sebi ne rešijo problema zanesljivosti pri urejanju dokumentov.

• “sparse but severe errors” dobro povzame naravo odpovedi: napake niso stalne, vendar so takrat, ko se pojavijo, dovolj velike, da resno poškodujejo artefakt.

• “Python is the only domain” izpostavi, kako omejena je dejanska pripravljenost modelov za delegirano delo zunaj kodiranja.