AI 与机器学习2025arxiv.org
Antislop：消除语言模型重复套话模式的框架
Antislop: A framework for eliminating repetitive patterns in language models
入门 · 约 45 分钟读完前置知识：语言模型基础、文本采样与解码
导读
这篇论文关注语言模型输出中反复出现的模板化语言模式，并提出名为 Antislop 的框架来消除这些模式。由于只看到标题和评论，无法确认其具体技术路线，但核心目标是把“slop”中的重复性问题作为可识别、可干预的对象。
HN 关注点：是因为大家日常被 ChatGPT 的破折号、表情、套话等“slop”困扰，同时争论“slop”是否只是重复性问题以及该如何衡量。
HN 评论精选
这几条评论里：质疑 1 补充 2 亲历 1
亲历用户列举 ChatGPT 反复出现的 em dash、表情、开头肯定、怪形容词和随机加粗，认为这些 slop 特征长期未修复。
我比较规律地用 ChatGPT 大约一年，主要当编辑、头脑风暴伙伴和文案审阅。这一年很多事变了，但没变的是：大量 em dash（我试过各种办法让它别用，长期都没用）；随机表情符号；消息开头的肯定（“好主意！”）在 5 发布时短暂消停过，现在又回来了而且更严重；它卡在一些奇怪形容词上，比如“deep experience”；随机加粗的词。老实说这有点帮助，因为很容易识别出人们从 ChatGPT 复制粘贴的内容。但除此之外，一家 5000 亿美元公司一年都没解决这些顽固问题，让我觉得很离谱。
atourgates查看英文原文
I've been using ChatGPT fairly regularly for about a year. Mostly as an editor/brainstorming-partner/copy-reviewer. Lots of things have changed in that year, but the things that haven't are: * So, so many em-dashes. All over the place. (I've tried various ways to get it to stop. None of them have worked long term). * Random emojis. * Affirmations at the start of messages. ("That's a great idea!") With a brief pause when 5 launched. But it's back and worse than ever now. * Weird adjectives it gets stuck on like "deep experience". * Randomly bolded words. Honestly, it's kind of helpful because it makes it really easy to recognize content that people have copied and pasted out of ChatGPT. But apart from that, it's wild to me that a $500bn company hasn't managed to fix those persistent challenges over the course of a year.
质疑评论质疑论文把 slop 等同于重复模式，认为 slop 的核心含义是低质量、低投入和泛滥。
我不确定是不是误解了，但我很确定人们把 AI 输出叫“slop”并不（只）是因为重复性。根据一些来源：维基百科说 AI slop 是用生成式 AI 制作的数字内容，尤其指显得缺乏努力、质量或深层意义，并且产量巨大；这个词 2020 年代出现，带贬义，类似 spam。Urban Dictionary 说低质量随机生成的 AI 内容（图像、账号、文本等）泛滥于社交媒体等页面。我知道这些未必是最好的原始来源，但我认为这个词的主要共同含义是质量和努力不足，而不是重复性本身。
mrbungie查看英文原文
I don't know if not getting the idea right, but I'm pretty sure people refer to AI outputs as "slop" not due to (only) repetitiveness. According to some sources: [1] Wikipedia > AI slop is digital content made with generative artificial intelligence, specifically when perceived to show a lack of effort, quality or deeper meaning, and an overwhelming volume of production.[1][4][5] Coined in the 2020s, the term has a pejorative connotation similar to spam.[4] [2] Urban dictionary > Low-quality randomly generated AI content (images, accounts, text, etc) that has been flooding social media sites among other pages. Yes, I know those may not be the best primary sources, but I'd say the main shared meaning of the word is lack of quality and effort, not repetitiveness itself. [1] https://en.wikipedia.org/wiki/AI_slop [2] https://www.urbandictionary.com/define.php?term=AI+slop
补充希望有跨模型、跨任务的 slop 基准测试，认为其价值可能超过 ARC-AGI。
我很想看到一个测试不同 LLM 的 slop 基准，不一定要限于代码。那可能比 ARC-AGI 还有意思。
growdark查看英文原文
I'd love to see a benchmark that tests different LLMs for slop, not necessarily limited to code. That might be even more interesting than ARC-AGI.
补充认为 AI slop 与公式化企业/营销话术难以区分，可能源于训练数据。
我老实说不能总是区分 AI slop 和邮件、备忘录、宣传册网站及其他营销材料里的公式化企业话术。我猜这一定是训练语料的一大部分。
SoftTalker查看英文原文
I honestly can’t always distinguish AI slop from the formulaic corp-speak used in emails and memos and brochure websites and other marketing. I’m guessing that must be a large component of the training matter.
相关资源
从这篇论文所有 HN 讨论帖的全部评论里整理出来的链接。
历次讨论
- 2025Hacker News 讨论帖120 分 · 110 评
同领域还值得读
DeepSeek-R1：通过强化学习激励 LLM 的推理能力
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via RL
研究如何用强化学习激励大语言模型的推理能力，提出 DeepSeek-R1，并探讨 RL 训练对模型推理表现的影响。
AI 与机器学习2025 · 1,351 分 · 1,056 评 · 引用 30进阶 · 约 80 分钟编辑精选1-bit LLM 时代：面向低成本计算的三值参数
The Era of 1-bit LLMs: ternary parameters for cost-effective computing
提出用三值参数 {-1, 0, 1} 替代 LLM 中的浮点权重，即所谓“1-bit LLM”。
AI 与机器学习2024 · 1,040 分 · 447 评 · 引用 19进阶 · 约 45 分钟编辑精选DeepSeek-V3.2：推进开放大语言模型的前沿
DeepSeek-v3.2: Pushing the frontier of open large language models
这是 DeepSeek-V3.2 的技术报告，延续了 DeepSeek 开源权重模型的路线，目标是让开放模型继续逼近甚至追平前沿闭源模型。
AI 与机器学习2025 · 982 分 · 465 评进阶 · 约 90 分钟编辑精选通过自我对弈与通用强化学习掌握国际象棋和将棋（AlphaZero）
Mastering Chess and Shogi by Self-Play with General Reinforcement Learning
DeepMind 的 AlphaZero 论文：用通用强化学习算法（自我博弈 + MCTS + 神经网络），从零开始仅数小时训练便在国际象棋和将棋上击败了世界顶级引擎 Stock…
AI 与机器学习2017 · 539 分 · 270 评 · 引用 13进阶 · 约 90 分钟编辑精选用强化学习发现更快的矩阵乘法算法
Discovering faster matrix multiplication algorithms with reinforcement learning
论文提出 AlphaTensor，用强化学习搜索矩阵乘法算法。
AI 与机器学习2022 · 518 分 · 111 评专业 · 约 90 分钟编辑精选