文章摘要
作者通过对比 HN 新老账号的评论数据发现,新注册账号在破折号、箭头等特殊符号的使用率上比老账号高出近10倍,且提及 AI 相关话题的概率也显著更高。这种统计学上的巨大差异表明,HN 社区正面临严重的 LLM 生成内容入侵。除了明显的程序故障评论外,许多新账号表现出平庸或离题的特征,反映了机器人灌水的现状。
社区讨论
社区讨论对 AI 泛滥表示担忧,有用户感叹自己的写作习惯因与 AI 相似而遭到误解。参与者分析了机器人刷号的动机,认为这可能是为了养号以备未来进行商业推广或舆论引导。许多人提议 HN 应借鉴 Lobsters 的邀请担保机制,以应对日益严重的“死互联网”威胁并保护真实的人类互动。