近日，来自苏黎世大学、阿姆斯特丹大学、杜克大学和纽约大学的研究团队发布了一项
研究人员测试了九个不同的大语言模型，包括 Apertus、DeepSeek、Gemma、Llama、Mistral、Qwen 等，分析了它们在 Bluesky、Reddit 和 X 平台上的表现。结果显示，这些 AI 生成的内容在 「毒性评分」 上具有显著差异，这成为区分 AI 与人类帖子的重要因素。换句话说，如果在某个帖子下出现特别尖锐或搞笑的评论，那么这很可能是人类用户所写。
研究指出，虽然大语言模型可以模仿在线对话的形式，但在捕捉情感表达方面却显得捉襟见肘。自发和富有感情的表达是人类社交互动的特点，而 AI 在这方面的表现远不如人类。此外，研究还发现，在特定情况下，例如在马斯克的 X 平台上发表积极情感或在 Reddit 上讨论政治，AI 模型的表现尤为不佳。
从整体来看，参与测试的 AI 模型在模仿 X 平台的帖子时表现较好，而在 Bluesky 上则稍显逊色，Reddit 则是三者中最具挑战性的，因为该平台的对话规范更加复杂。同时，研究也发现，某些未经过人类指令微调的 AI 模型表现较好，这说明过度的训练可能使模型的风格变得过于一致，从而导致内容更加机械化。
通过这项研究，研究人员强调了 AI 在情感表达方面的局限性，未来在社交媒体的应用中，还需要不断提升 AI 的情感智能。
划重点:
🌟研究显示，AI 生成的社交媒体内容识别率高达 70%-80%。
🤖大语言模型在情感表达上存在明显不足，自发情感互动仍是人类特有。
📊未经过人类指令微调的模型在测试中表现更佳，过度校准训练可能导致内容机械化。
