# 節奏與句法研究摘要（sentence rhythm、標點、分段、中文校準的 evidence base）

來源：`sources.md` 的 "Syntax, rhythm, punctuation" 節（16 篇量測研究）與 "Consulted with no usable numbers" 子表。調查日期 2026-09-04。本檔是研究 metadata，skill 執行期不需要它；skill 檔只引用其中標明「已量測」的方向與數字，處方一律標為 Sepia 推論。

## 一句話結論

**只有「句長離散度」站得住**：人類文本的句長變化幅度大於 LLM，這個方向在四篇量測文內離散或尾端分布的研究（Desaire、Gude、Muñoz-Ortiz、朱君輝）、兩個模型世代、英文和中文語料都一致；另外三篇英文研究只量到跨篇均值的離散，方向相同但不能作為文內檢查的依據。句長的**平均值**隨模型世代反轉，標點密度在不同量法之間方向相反，段落長度與段落數在不同語料之間互相矛盾。因此 sepia 只新增一條句長節奏檢查，把標點計數與段落長度明列為非訊號，並為中文另立校準檔。

## 方法（可信度依據）

| 研究 | 語料與模型 | 人類基線 | 讀取程度 |
|---|---|---|---|
| `DESAIRE-2023` | *Science* Perspectives 段落 vs 2023 年 3 月 ChatGPT（GPT-3.5 世代）；20 個手工特徵，XGBoost | 期刊科學作者 | 全文（arXiv PDF） |
| `GUDE-2026` | NYT 導言段；2023 base 模型（LLaMA 7B–65B、Falcon 7B、Mistral 7B）與 2025 對齊模型（Qwen 2.5 14B–72B、LLaMA 3.3 70B、Mistral 7B v0.3、GPT-4o）；prompt 限「兩三句」 | NYT 記者 | 全文（arXiv HTML v1，Table 7） |
| `MUNOZ-ORTIZ-2024` | 同一批 NYT 導言段；六個 2023 base 模型 | NYT 記者 | 全文（PMC；句長分布只在圖中，分箱句數可重建） |
| `ZAMARAEVA-2025` | 同一批 NYT 語料，ERG（HPSG）全句剖析 | NYT 記者 | 全文（arXiv HTML；ACL 2025 出處於 Anthology 核實） |
| `HERBOLD-2023` | 270 篇英文論說文；ChatGPT-3.5 與 GPT-4（2023-03） | 非母語高中生 | 全文（PMC） |
| `ZINDELA-2023` | 20+20 篇論說文；ChatGPT-3.5 | 南非 L2 大學生 | 全文（ERIC PDF） |
| `LIU-LIU-2025` | 73+73 篇論說文；GPT-4o mini | ICNALE 美國大學生 | 全文（PMC） |
| `PRZYSTALSKI-2025` | Wikipedia 詞條摘要 vs GPT-3.5／GPT-4／Llama／Orca／Falcon 十句短文 | Wikipedia 編者 | arXiv HTML（Table 2） |
| `ZHU-CCL-2023` | HC3-Chinese 開放域問答 6,586+6,586 篇；GPT-3.5 世代 ChatGPT；159 項中文 CTAP 特徵 | 簡體中文問答者 | 全文 |
| `GUO-HC3-2023` | HC3 中英問答語料原始論文 | 同上 | 全文 |
| `JIANG-CCL-2025` | 200 則「弱智吧」笑話；GPT-4o、DeepSeek-R1、Qwen2.5-7B、Qwen3-235B | 貼吧使用者 | 全文 |
| `FREEBURG-2026` | 12 個模型的英文論說文約 24 萬字；破折號每千字計數 | **僅 8 篇**已出版論說文 | 全文（arXiv HTML，未經同儕審查） |
| `GODGHASE-2024` | WikiHow 段落 78 萬 vs ChatGPT 92 萬段 | WikiHow 作者 | 全文（PDF，未經同儕審查） |
| `LLM-REVAL-2025` | 人類 vs LLM 撰寫的論文，段落平均長度 | 論文作者 | 搜尋摘要核對數字 |
| `PUDASAINI-2026` | PAN CLEF 2025、COLING 2025 偵測基準；SHAP 特徵重要度 | 基準資料集 | 全文（HTML） |
| `KATFISH-2025` | 韓文論說文、詩、論文；逗號與連接語尾 | 韓文作者 | 摘要與片段 |

以下數字均按原文單位轉錄；未在原文印出的值（例如 Desaire 的 SD 實際數值、Muñoz-Ortiz 的句長均值）不補、不推估。

## 已量測的方向（可轉成規則的部分）

### 句長離散度：人類 > LLM，方向一致

| 量測 | 人類 | LLM | 來源與單位 |
|---|---|---|---|
| 段內句長標準差、相鄰句長差 | 較大 | 較小 | `DESAIRE-2023` Table 1 特徵 8–9，方向「Human」，數值未印出 |
| 短句（<11 詞）與長句（>34 詞）出現 | 較多 | 較少 | `DESAIRE-2023` 特徵 10–11 |
| 1–15 token 短句占比 | 32–33% | 2023 base 35–39%；**2025 對齊模型 1–4%** | `GUDE-2026` Table 7；原文「reduce short sentences by factors of 9 to 30」 |
| ≥41 token 長句占比 | 12.0% | 5.5%（LLaMA-7B） | `MUNOZ-ORTIZ-2024` Table 4 分箱句數重建，非原文印出 |
| 跨篇「每篇平均句長」的 SD | 11.32 | 2.19 | `ZINDELA-2023` Table 3，詞；均值 24.44 vs 23.23 |
| 同上 | 9.374 | 4.836 | `LIU-LIU-2025` 論點段，詞；均值 21.944 vs 20.847（p = .867） |
| 同上 | 5.5 | 2.6 | `PRZYSTALSKI-2025` Table 2，token；均值 24.0 vs 22.3 |
| 句長標準差（詞例） | 9.248 | 6.729 | `ZHU-CCL-2023` 表 2，HC3-zh |
| 句長標準差（字例） | 15.150 | 12.842 | 同上 |

注意三篇印出 SD 的英文研究量的都是「跨篇每篇均值的 SD」，不是文內逐句 SD；**沒有任何可取得的同儕審查論文印出英文文內句長 SD 的人機數值**。Desaire 是唯一以段內 SD 為特徵的同儕審查研究，但只給方向。

### 句長平均值：隨模型世代反轉，不能寫目標值

| 世代 | 人類 | LLM | 來源 |
|---|---|---|---|
| 2023 base（LLaMA、Falcon、Mistral） | 22.33 token | 18.17–19.42（短 10–20%） | `GUDE-2026` Table 7 |
| 2025 對齊（Qwen 2.5、LLaMA 3.3、Mistral v0.3、GPT-4o） | 22.19 token | 25.63–29.87（長 15–30%） | 同上 |
| ChatGPT-3.5／4 vs L2 學生 | 18.60 | 20.31／19.57 | `HERBOLD-2023` |
| GPT-4 Turbo vs L2 學生（T-unit） | 23.61 | 15.91 | Fredrick 2025（consulted 表） |
| HC3-zh，詞 | 25.067 | 21.823 | `ZHU-CCL-2023` |
| HC3-zh，字 | 40.893 | 42.396 | 同上 |

同一語料換單位（詞／字）方向就翻轉，換人類基線也翻轉。這是「不寫絕對句長門檻」的直接依據。

### 句法配方（已在 `style-pass.md` §2 的部分，本次只補數字來源）

`REINHART-STYLE-2025`（GPT-4o）：現在分詞子句 5.3×（d = 1.38）、名物化 2.1×（d = 1.23）、短語並列 1.9×、that 子句主語 2.6×、無施事被動 0.5×；base Llama 3 接近人類，指令微調是主因。`HERBOLD-2023`：名物化每句 1.06 → 1.56／1.73；情態詞每篇 10.84 → 8.97／6.12；認知標記每句 0.06 → 0.02／0.00；話語標記 0.57 → 0.52／0.36。`ZAMARAEVA-2025`：構式 Shannon H 人類 3.342 vs LLM 3.221–3.284（p < 0.01）；LLM 彼此 cosine 0.9966–0.9999，人類–LLM 0.9950–0.9965，約等於 NYT–WSJ 的體裁差。`MUNOZ-ORTIZ-2024`：依存距離在同句長分箱幾乎相等（2.37 vs 2.36–2.39），差在成分長度（LLM 每個分箱都較長：4.32／6.37／7.90 vs 約 4.40／6.55／8.30）。

### 中文（HC3-zh，`ZHU-CCL-2023` 表 2–5，每篇回答均值；`GUO-HC3-2023` 補充）

| 特徵 | 人類 | ChatGPT | 備註 |
|---|---|---|---|
| 語氣詞密度 | 0.016 | 0.003 | 人類 5 倍 |
| 連詞密度 | 0.013 | 0.036 | 「和」每篇 4.13 vs 11.76 |
| 代詞密度 | 0.052 | 0.069 | 第二人稱 0.010 vs 0.021 |
| 單音節詞占比 | 0.483 | 0.379 | |
| 雙音節詞占比 | 0.445 | 0.532 | 雙音節詞數是兩種篩法都選出的關鍵特徵 |
| 詞形例比 | 0.725 | 0.543 | 實詞豐富度 0.822 vs 0.647 |
| 平均依存距離 | 3.900 | 3.659 | 最大 29.452 vs 23.991 |
| 篇章段落數 | 1.442 | 3.681 | ChatGPT **分更多段** |
| 平均段長（字） | 123.907 | 92.747 | |
| 標點密度 | 0.135 | 0.136 | 見下節 |

`JIANG-CCL-2025`（笑話單句，四個 2025 模型）：詞彙豐富度人類 0.547 vs LLM 0.384–0.461；平均詞頻排位人類 4247 vs LLM 2772–3436（LLM 用詞更常見）。這與 `ZHU-CCL-2023` 的「人類用高頻詞較多」方向相反，體裁與模型世代不同，不能合併成規則。

## 不是訊號的項目（量測為零、矛盾或缺失）

| 項目 | 證據 | 處置 |
|---|---|---|
| 標點總密度、逗號句號計數 | 同一 HC3-zh 語料兩種量法方向相反：標點密度 0.135 vs 0.136（`ZHU-CCL-2023`）、PUNCT 詞性占比 16.0% vs 13.4%（`GUO-HC3-2023`）。英文新聞 PUNCT 占比人類 11.88% vs LLaMA 10.77–11.43%、Mistral 10.92%、Falcon 12.14%（`MUNOZ-ORTIZ-2024`，一個模型高於人類）。逗號、句號、分號、冒號、驚嘆號、引號的人機分項計數，英文與中文皆無；韓文逗號（`KATFISH-2025`：連接語尾接逗號 4.10% vs 19.83%）與日文逗號位置（Zaitsu 2023）不能外推 | 寫進 `style-pass.md` §7 whitelist |
| 破折號 | `FREEBURG-2026`：每千字 GPT-4.1 10.62、Claude Opus 4.6 9.09、DeepSeek V3 6.95、GPT-4o 4.12、GPT-5.4 1.43、Llama 3.x 0.00；人類 3.23（n = 8，範圍 0.33–17.12）。OpenAI 2025-11 宣布可關閉。是 release 屬性，不是模型通用 tell；第三方量測不屬於 `model-fingerprints.md` 的 vendor guidance 契約 | whitelist 一列；不進 fingerprints |
| 段落長度、段落數 | WikiHow：ChatGPT 段落較長（82.01 vs 68.83 詞，`GODGHASE-2024`）；LLM 寫的論文：段落較短（39.82 vs 51.12 詞，`LLM-REVAL-2025`）；HC3-zh：ChatGPT 段落較多（3.681 vs 1.442）。`PUDASAINI-2026` 指出偵測基準裡「段落數」是格式產物（AI 中位數 1 段 vs 人類 17 段） | 只保留「同一篇內段落長度一致」（`discourse-pass.md` §3 既有）；whitelist 一列 |
| 段落位置規律（主題句在首、總結句在尾） | 只有質性描述（`HERBOLD-2023`：所有 ChatGPT 結論以 "In conclusion" 開頭），無量化 | 不新增 |
| burstiness 公式 | GPTZero 的定義是散文描述，無公式，2023 秋停用；學術上對擴散模型與改寫都失效 | 不新增 |
| 可讀性公式 | Flesch 系列由詞長主導而非句長（Fredrick 2025：T-unit 較短卻 FKGL 較高）；中文 CRIE 沒有任何 AI 文本研究使用 | 不新增 |
| 中文常用詞方向 | 兩篇相反（上節） | 不新增 |

## 對 skill 的結構性啟示（Sepia 設計推論）

1. **檢查離散度，不檢查長度。** 唯一的候選訊號是「相鄰三句以上長度趨同的連串」，對應 Desaire 的相鄰句長差特徵，任何語言、任何計數單位都適用。不用短句／長句的切點計分：各研究的尾端比率是語料層級、體裁專屬，且單位不一（G、M 以 token 計新聞導言，D 以詞計科學段落），一段裡沒有極短或極長句是人類常態，推不出段落層級的切點。中文以字計的均值已在 40 字上下，更說明詞數切點無法轉移。
2. **修法只搬字。** 拆一句、併兩句、刪一個子句；不加字（LAMP 74/18/8）。不能全砍短：均勻的短句是同一個缺陷的反面，也是模仿海明威的樣板。
3. **Gude 量到的 2025 模型缺的是短句尾巴。** 產出待檢文本的那個模型（review 與 refactor 診斷階段看 author，write 看 executor）是 Gude 實測過的四個 2025 對齊 release（Qwen 2.5、LLaMA 3.3、Mistral v0.3、GPT-4o）之一時，打破連串的方向是補短句；其他家族（含 Claude、Gemini）沒有句長研究，方向從文本本身判讀（長句連串補一短句，短句連串補一長句）。這是修法的方向提示，不是偵測條件。
4. **標點與段落只看同篇內的一致性。** 任何跨篇的計數規則都會被下一個 release 或下一個語料推翻。
5. **中文另立校準檔。** 英文詞表不能逐字轉移；能轉移的是形狀（§2 句型、§4 回補、§5 節奏）。中文自己的量測只有一個語料，邊界要寫在檔案裡。

## 讀者端證據（2026-09-10 補）

- `ZHENG-2026`：124,615 則 ICLR 人類審稿（2018–2025）對照 81,850 則凍結 LLM 審稿。人類評分每年都隨論文文內句長 SD 上升（標準化 β 合併 2018–2020 +0.045、2023–2025 +0.052），凍結評審讀不到（−0.020、−0.001）；非領域詞彙複雜度的人類係數從 +0.142 掉到 −0.015，凍結評審維持 +0.080～+0.082。雙重閘門下，詞彙複雜度的漂移成立（DiD −0.0100，q=0.013），句長變異的人類效應成立（2023–2025 +0.0396，q<0.001）但「人類比以前更獎勵」不成立（DiD −0.0005，q=0.896）。這是專家讀者的偏好，不是偵測器特徵；只支持 §5 檢查的方向，不給門檻。限學術審稿場域。

## 證據邊界

- 沒有任何可取得的同儕審查論文印出英文文內句長 SD／CV 的人機數值；網路流傳的 GPTZero 式「SD 低於 4 = AI」在文獻裡沒有出處。
- ResearchGate 標注給 Shalevska 2025 的「dispersion 16.4 vs 4.8/5.8」在原文中不存在；原文只有均值 19.28 vs 14.38 詞與每篇均值範圍 15.67–25.60 vs 12.33–17.64。
- 2025 世代的句法證據只有 `GUDE-2026` 一篇 preprint、一種體裁（NYT 導言）、且 prompt 本身限制「兩三句」，可能自己壓掉短句。
- 人類基線異質：NYT 記者、*Science* 作者、L2 學生、ICNALE 母語者、Wikipedia 編者。均值方向隨基線翻轉，離散度方向不翻。
- 句法層沒有研究涵蓋 Claude 或 Gemini（Reinhart：GPT-4o + Llama 3；Gude：Qwen、LLaMA 3.3、Mistral、GPT-4o）。StoryScope 與 LAMP 都不報告句長或段長統計。
- 中文量化證據只有 2023 年 GPT-3.5 世代的簡體開放域問答語料，未經 prompt；台灣學術界沒有任何以繁體語料做人機文體量化比較的研究；台灣來源全是編輯經驗或英文研究轉述。