論文の概要: "That's AI Slop, You Bot!" Studying Accusations, Evidence, and Credibility in Online Discourse Towards LLM-Generated Comments

• arxiv url: http://arxiv.org/abs/2606.12073v1
• Date: Wed, 10 Jun 2026 13:40:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.478832
• Title: "That's AI Slop, You Bot!" Studying Accusations, Evidence, and Credibility in Online Discourse Towards LLM-Generated Comments
• Title（参考訳）: LLMによるコメントに向けてのオンライン談話における非難、エビデンス、信頼性についての研究
• Authors: Jason Miklian, John E. Katsos,
• Abstract要約: ジェネレーティブAI(Generative AI, ジェネレーティブAI, ジェネレーティブAI, ジェネレーティブAI, ジェネレーティブAI, ジェネレーティブAI, ジェネレーティブAI, ジェネレーティブAI, ジェネレーティブAI, ジェネレーティブAI, ジェネレーティブAI) 読者はどのように反応し、このことはアンチAIの態度を変える上で何を意味するのか? われわれはHacker NewsとRedditから2500万件のコメントを分析した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Generative AI has made fluent prose cheap to produce, breaking the old promise to readers that good writing meant real thinking. How have readers responded, and what can this tell us about changing anti-AI attitudes? We analyzed 25 million comments from Hacker News and Reddit (2023-2026), combining LLM judgment on 7,500 sampled accusations of AI use, sentiment trajectories, speech-act coding of 300 confirmed accusations of AI use, and a matched-control test of accused versus non-accused parent comments. We found that the pejorative-label share of accusations rose more than tenfold on both platforms while a placebo vocabulary of pre-2022 inauthenticity terms (shill, astroturf) did not. This shift reflected a fast-growing trend of branding any suspicious or seemingly inauthentic prose as "AI slop". The slop frame now constitutes 94 percent of pejorative mentions, with the dominant comments shifting in tone from mockery toward gatekeeping and structural protest. The key surprise comes from a matched-control test which found that prose features that statistically distinguish AI from human text do not predict which human text gets accused as AI. The new accusations work as social gatekeeping of perceived authenticity without actually screening for AI. This research extends signaling theory by showing that substitute signals used socially can grow even when inaccurate if the underlying detection problem cannot be solved at the non-expert level. It shows that AI's effects on writing from the reader side are distinct from those on the production (writer) side. Detection technology cannot resolve this dynamic because the social function of accusations is increasingly to perform social gatekeeping and in-group signaling as opposed to identifying AI-generated writing.
• Abstract（参考訳）: ジェネレーティブAI(Generative AI, ジェネレーティブAI, ジェネレーティブAI, ジェネレーティブAI, ジェネレーティブAI, ジェネレーティブAI, ジェネレーティブAI, ジェネレーティブAI, ジェネレーティブAI, ジェネレーティブAI, ジェネレーティブAI, ジェネレーティブAI 読者はどのように反応し、このことはアンチAIの態度を変える上で何を意味するのか? 我々はHacker NewsとReddit(2023-2026)の2500万のコメントを分析し、LLMの判断をAIの使用、感情軌跡、300件の確認されたAI使用の告発の音声によるコーディング、および非告発の親コメントに対する被告の一致した制御テストと組み合わせた。 その結果,2022年以前の正当性用語(shill, astroturf)のプラセボ語彙は,両プラットフォームで10倍以上に増加した。 この変化は、疑わしいあるいは不正確な散文を "AI slop" としてブランディングする、急速に成長する傾向を反映している。 スロープの枠は今や94%を占めており、主要なコメントはモックリーからゲートキーピングと構造的抗議へとシフトしている。 人間のテキストとAIを統計的に区別する散文機能は、人間のテキストがAIとして非難されるかを予測しない。 新たな告発は、AIを実際にスクリーニングすることなく、認識された真正性に対する社会的ゲートキーピングとして機能する。 本研究は,非専門家レベルでは検出問題が解けなくても,社会的に使用する代用信号が不正確であっても成長可能であることを示すことにより,シグナル伝達理論を拡張した。 読み手側からの書き込みに対するAIの影響は、プロダクション側(ライター側)と異なることを示している。 告発の社会的機能は、AIが生成する文章を識別するのとは対照的に、社会的なゲートキーピングやグループ内の信号処理を行う傾向にあるため、検出技術はこのダイナミクスを解決できない。

関連論文リスト

• Can Humans Detect AI? Mining Textual Signals of AI-Assisted Writing Under Varying Scrutiny Conditions [0.0]
  この研究は、AI検出の脅威が、人々がAIで書く方法を変え、他の人がその違いを知ることができるかどうかを問う。 2段階制御実験では、21人の参加者が遠隔作業に関する意見書を書いた。 半分はランダムにAI検出ツールでスキャンされると警告され、残り半分は警告を受けなかった。
  論文  参考訳（メタデータ） (2026-04-25T23:34:44Z)
• The Impact of AI-Generated Text on the Internet [0.7024533257206088]
  私たちは、インターネットのどれ程がAIが生成され、それともAIが編集されているかを研究します。 2025年半ばまでに、新たに公開されたWebサイトの約35%が、AI生成またはAI支援に分類されていることがわかった。 しかし、インターネット上のAI生成テキストの増加が、事実の正確さやスタイルの多様性を減少させるという仮説を支持する統計的に有意な証拠は見つからない。
  論文  参考訳（メタデータ） (2026-04-14T16:06:14Z)
• When AI companions become witty: Can human brain recognize AI-generated irony? [2.859021383061256]
  本研究は、意図的な姿勢を採り入れ、行動の説明に精神状態をもたらすか、皮肉な理解の過程でAIへ向けて検討する。 我々は、AIからの皮肉な発言に対する行動的反応と神経的反応を比較した。 結果は、人々がAI生成の皮肉に対する意図的なスタンスを完全には採用していないことを示している。
  論文  参考訳（メタデータ） (2025-10-20T05:15:00Z)
• Readers Prefer Outputs of AI Trained on Copyrighted Books over Expert Human Writers [8.031052360107092]
  著者のスタイルをエミュレートしながら、フロンティアAIモデルが高品質な文学テキストを生成できるかどうかは不明だ。 MFAの訓練を受けたエキスパートライターと、ChatGPT、Claude、Geminiの3つのフロンティアAIモデルを比較する。
  論文  参考訳（メタデータ） (2025-10-15T17:51:58Z)
• Almost AI, Almost Human: The Challenge of Detecting AI-Polished Writing [55.2480439325792]
  本研究では、AI-Polished-Text Evaluationデータセットを用いて、12の最先端AIテキスト検出器を体系的に評価する。 我々の発見によると、検出器は、最小限に洗練されたテキストをAI生成としてフラグ付けし、AIの関与度を区別し、古いモデルや小さなモデルに対するバイアスを示す。
  論文  参考訳（メタデータ） (2025-02-21T18:45:37Z)
• Human Bias in the Face of AI: Examining Human Judgment Against Text Labeled as AI Generated [48.70176791365903]
  本研究では、偏見がAIと人為的コンテンツの知覚をどう形成するかを考察する。 ラベル付きおよびラベルなしコンテンツに対するヒトのラッカーの反応について検討した。
  論文  参考訳（メタデータ） (2024-09-29T04:31:45Z)
• Can AI-Generated Text be Reliably Detected? [50.95804851595018]
  大規模言語モデル(LLM)は、様々なアプリケーションで非常によく機能します。 盗作、偽ニュースの発生、スパムなどの活動においてこれらのモデルが誤用される可能性があることは、彼らの責任ある使用に対する懸念を引き起こしている。 我々は、攻撃者の存在下で、これらのAIテキスト検出装置の堅牢性を強調テストする。
  論文  参考訳（メタデータ） (2023-03-17T17:53:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。