维基百科编辑人员现在只能将人工智能用于基本的文本编辑或翻译工作。
维基百科将不再允许编辑人员使用人工智能来撰写或重写文章。这项更新于上周晚些时候被添加到维基百科的指导原则中,禁令的原因是AI撰写的文章倾向于违反"维基百科的几项核心内容政策"。
这项变更适用于英文版维基百科,但仍允许编辑人员在某些情况下使用人工智能。包括使用大语言模型"建议基本的文本编辑",但前提是"不引入其自身的内容"。编辑人员也可以使用AI将其他语言的维基百科文章翻译成英文。但是,他们仍须遵守该网站关于大语言模型辅助翻译的规则,这些规则要求编辑人员具备足够的原始语言知识,以确认翻译的准确性。
新政策警告称,有些人"可能具有与大语言模型相似的写作风格",编辑人员需要找到不仅仅是"风格或语言迹象"的更多证据,来证明对其编辑能力的潜在限制是合理的。指导原则指出:"最好考虑文本是否符合核心内容政策,以及相关编辑人员最近的编辑情况。"
相关内容
维基百科如何对抗AI劣质内容
维基百科编辑人员几个月来一直在应对AI生成的文章,促使社区实施新政策,允许"快速删除"写作质量低劣的文章。编辑人员还成立了WikiProject AI清理项目,这是一个旨在打击AI撰写内容并帮助其他人识别此类内容的倡议。
维基百科指导原则的这项最新变更是由Chaotic Enby提出的,引发了编辑人员之间的长时间讨论。该提案最终以"压倒性支持"获得通过,得出的结论是该政策"针对大语言模型使用中明显存在问题的方面,同时仍为被视为合理用途的情况留有余地"。
Q&A
Q1:维基百科为什么要禁止使用AI生成文章?
A:维基百科禁止AI生成文章是因为AI撰写的内容倾向于违反维基百科的几项核心内容政策,可能影响百科全书的质量和可靠性。
Q2:维基百科编辑还能在哪些方面使用AI?
A:编辑人员仍可以使用AI进行基本的文本编辑建议和翻译工作,但使用AI建议编辑时不能引入AI自身的内容,翻译时必须具备足够的原始语言知识来确认准确性。
Q3:维基百科如何识别和处理AI生成的内容?
A:维基百科编辑人员成立了WikiProject AI清理项目来识别和打击AI撰写的内容,同时实施了允许"快速删除"低质量文章的新政策,并要求编辑人员寻找更多证据而非仅凭写作风格来判断。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。