如果你没看过金·凯瑞2007年的心理惊悚片《数字23》,那恭喜你。这部电影讲的是一个男人因为到处都能看到数字23,最终精神崩溃的故事。我曾经觉得这部电影很蠢。然而现在,我似乎正在亲身经历同样的事情。
我的"个人版数字23"是一种修辞手法:"不是X,而是Y"。无论我看向哪里,它都如影随形。每当我忍不住刷Facebook上那些算法推送的内容时,总会被这样的句子迎面砸中:"自我提升不是一种潮流,而是一种生活方式的转变",或者"那些小小的胜利不只是片刻,而是你生命中最重要的部分"。一旦你注意到它,就再也无法忽视。这个周末,在一堂Peloton健身课上,我听到一位教练喊出了"这不是X,这是Y"的变体。昨天,我正在评测的一部电视剧里也出现了同样的表达,我直接给它扣了一颗星作为报复。
你知道这从哪里来的,对吧?"不是X,而是Y"是AI的标志性句式,是ChatGPT最难以察觉的惯用腔调之一。无论你输入多么无害的提示词,AI总能找到机会把它塞进回复里。问它意大利面是不是该多加点火腿,它会告诉你:"火腿不只是好吃——它能让其他所有食材都更美味。"问它要不要在花园里追着一只蜜蜂跑,它会说:"蜜蜂并不笨——它们是高度专精的物种。"
"不是X,而是Y"已经成为劣质AI内容的代名词,以至于每当我看到或听到有人用这种方式表达,我就会本能地绷紧神经,默认自己面对的不是一个人类,而是一座数据中心。当然,这个判断不一定准确——每个例子都有可能是纯天然的人类表达——但这恰恰说明了一个时代的悲哀:我们再也无法放松心态,理所当然地认为眼前看到的、耳边听到的东西,是真正由人创作的。
尽管"不是X,而是Y"早在ChatGPT出现之前就存在,但现在每次听到它,我都会条件反射地觉得是AI生成的。几周前,我重温了《广告狂人》中唐·德雷珀推销手表那一幕。"这不是一块计时器,"他说,"这是一个引发对话的道具。"十年前,我曾为德雷珀优雅的措辞深深折服。但现在,我脑海中浮现的只有某个聊天机器人在喝下午苏格兰威士忌的间隙把这句话吐出来的画面。
当然,ChatGPT的语言套路不止这一个。模糊的情感强化词也是典型特征之一:如果你看到某样东西被形容为"静静地散发着力量"或"深刻地改变着一切",那你的直觉应该已经开始响警报了。ChatGPT还有一个出了名的毛病——破折号用得过于随意。我自己也喜欢用破折号,但那是我的权利,机器人休想从我手里夺走。尽管如此,最让我挥之不去的,还是那句"不是X,而是Y"。
这就是我现在的生活。我对这个句式结构已经过度敏感,它已经渗透进了我的潜意识。我会对自己大声说:这不是一杯茶,这是一段珍贵的喘息时光。那不是一扇窗,那是通向全新思维方式的门户。这不是食物中毒,这是一个静静提醒我别再从厨房地板上捡生鸡肉吃的有力警示。
所以现在,每次坐下来写东西,我都要耗费大量精力提醒自己不要写出任何"不是X,而是Y"的变体,因为我不想让你觉得我在用AI。这比看起来难多了。我就在四段之前刚用了一次,就是那个"数据中心"的地方。这反而让我更迫切地想证明自己是个人类。我该怎么做?登门拜访,当场给你即兴口述一篇专栏?寄一管唾液样本给你?只要能证明,我什么都愿意做。
但愿这种状况不会持续太久。AI进化的速度极快,"不是X,而是Y"这个套路很快就会成为过去式。它大概会被某种新的语言怪癖所取代,同样阴险,却更难识别。如果真的发生那种情况,你有我的完全授权,可以把我关起来,以保护我自己。"这不是监禁,"你可以在关上门的那一刻对我说,"这是一次静默的重启。"
Q&A
Q1:ChatGPT最典型的语言套路是什么?
A:ChatGPT最具代表性的语言惯用句式是"不是X,而是Y"。无论输入什么提示词,AI都倾向于用这种结构来回应。例如问到火腿的问题,它会说"火腿不只是好吃——它能让其他所有食材都更美味"。此外,ChatGPT还喜欢使用"静静地散发着力量""深刻地改变着一切"等模糊情感强化词,以及过于频繁地使用破折号。
Q2:"不是X,而是Y"这个句式是ChatGPT发明的吗?
A:不是。"不是X,而是Y"这种修辞手法早在ChatGPT出现之前就存在了。文章中提到,早在《广告狂人》中,唐·德雷珀就用过类似的表达——"这不是一块计时器,这是一个引发对话的道具"。但由于ChatGPT大量使用这一句式,现在人们一旦听到这种表达,往往会本能地联想到AI生成内容。
Q3:如何判断一篇内容是不是AI写的?
A:根据文章内容,有几个语言特征可以作为参考:一是频繁出现"不是X,而是Y"的句式结构;二是使用"静静地""深刻地"等模糊而情绪化的强化修饰词;三是破折号使用过于频繁。不过作者也指出,这些特征并非百分之百准确,有些表达也可能完全出自人类之手,只是在AI普及的时代,我们已经很难放松地做出这种判断。
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。