AO3 捉 AI 寫文風波：Claude 痕跡睇到啲乜、睇唔到啲乜

一個紅畫面，點名潮就起咗

AO3 呢次風波，The Verge 寫得幾清楚：6 月 29 日，一個匿名 X account @heatedrivalryai 放出 AO3 skin，話可以檢查 Claude 直接貼入 AO3 editor 時留下嘅 font-claude-response-body code。中咗招嘅作品，頁面背景會變紅。The Verge 自己用測試帖同 Claude 生成短文試過，直接由 Claude 貼去 AO3 會變紅；同一段文經其他地方搬過去，紅畫面就冇咗。

呢個訊號有用，但唔夠做判決

最易出事嘅位，係大家見到「Claude 留低嘅 HTML class」就當「成篇都係 AI 寫」。The Verge 亦講明，呢個痕跡只證明文本某個階段同 Claude 有接觸，唔知係全篇生成、幾句改錯字、翻譯，定係朋友幫手改稿時用咗 Claude。相反，真係成篇由 AI 生出嚟，只要先貼去 Google Docs、Word、Notion，或者清一清格式，呢個 skin 可能完全睇唔到。

文風同標點最靠唔住

社群一直流傳好多「AI 味」判斷：em dash、太多形容詞、句式太整齊、成日用某啲反差句。問題係，AI 寫得似人，因為佢本來就係學人類網上文字；反過來，人類都會寫出好公式、好浮誇、好乾嘅文。OpenAI 2023 年停咗自己嘅 AI Text Classifier，理由就係準確率低；佢當年公開數字話，英文 challenge set 入面只捉到 26% AI 文本，9% 人手文本會俾誤標。呢個數字要大家記住：detector 只可以係線索，做唔到判詞。

對學生同 freelancer，錯判成本好實際

Stanford HAI 轉述 2023 年研究，七個 GPT detector 測 TOEFL 非母語英文學生作文，平均有 61.22% 俾標做 AI；91 篇入面，89 篇至少俾一個工具標咗。呢件事同本地學生、寫 proposal 嘅 freelancer、接海外客嘅 copywriter 好近：你寫英文寫得短、齊、保守，又用 Grammarly 或 Claude 改過文法，偵測器就可能當你「太乾淨」。Turnitin 自己嘅官方講法都提醒，AI 偵測結果要配合老師專業判斷，因為 false positive 仍然會發生。

平台管治要靠規則，唔好靠公審

AO3 其實已經有「Created Using Generative AI」tag，OTW 2023 年亦講過，AO3 條款暫時冇禁止完全或部分 AI 生成嘅 fanwork，只要作品本身符合平台定義；大量短時間上載就可能踩到 spam 規則。呢個做法未必令反 AI 作者滿意，但起碼清楚過用紅畫面公審。平台可以要求標籤、限制 spam、處理騷擾，但好難靠一個神奇 detector 分清「AI 幫手」同「AI 代筆」。

真係怕俾屈，就留低過程

對創作者同學生嚟講，最實際係留版本紀錄。Google Docs、Word、Notion 都有 history；長文可以用 Git 或定期另存草稿，保留 outline、資料連結、改稿留言、交稿前後版本。用過 Claude 或 ChatGPT 改文法、翻譯、諗標題，就喺客戶、老師或平台要求嘅範圍講清楚用咗邊一部分，最好留 before / after。萬一俾人話 AI 代寫，先問清楚對方用咩工具、點判斷、規則係點，再交版本證據；唔好第一時間拎自己未公開嘅稿周圍丟入陌生 detector。

下一步睇平台點定線

今次 AO3 風波最有用嘅提醒，係 AI 偵測唔可以只靠文字味道或貼上痕跡。Claude 留低 code 可以係線索，但線索一變成公開點名，創作者就會學識隱藏流程，老實 disclosure 反而蝕底。創作社群、學校同客戶之後要講清楚可接受嘅 AI 輔助範圍、證據標準同申訴方法；冇呢幾樣，再準嘅紅畫面都只會製造新誤傷。

參考來源

• The Verge — The fanfiction community is at war with AI — and itself — original report
• New AI classifier for indicating AI-written text — 核對 OpenAI 停用 classifier、26% true positive、9% false positive 同用法限制。
• AI-Detectors Biased Against Non-Native English Writers — 核對非母語英文寫作者俾 detector 錯標嘅研究數字。
• GPT detectors are biased against non-native English writers — 原論文，核對 detector 對非母語英文作文嘅錯標數字同結論。
• AI and Data Scraping on the Archive — 核對 AO3/OTW 對 AI 生成 fanwork 同 scraping 嘅公開立場。
• Understanding false positives within our AI writing detection capabilities — 核對 Turnitin 對 false positive 同老師判斷嘅官方講法。

本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。