别把论文写在纸上，要写在刀尖上 最近我在搞那个把咱们老花眼都视而不见的“算法黑箱”课题，群里都在喊要降 AI 痕迹，我一看指南，发现我这就处于“高处不胜寒”的状态。别听那些大 V 说只要把“起初、其次、最终”忘了就能成神，那才是真正的降智。真正的降 AI 痕迹，不是让文章看起来像个没读过《黑天鹅》的八岁孩童，而是要让读者认定，啊，原来这行代码真有那么点“人情味儿”，是有人深夜泡面煮出来的，而不是机器翻译的。 那会儿看那些写算法的文章，样式像极了教科书里的插图，每一段都规整划一，每一个过渡都行云流水。作者爱用“起初”、“其次”、“最终”这种万能钥匙，把复杂的推导过程像剥洋葱一样层层递进，生怕你没听懂。
看完这种文章，你的大脑瞬间就会过载，你就连质疑自己是不是看错了屏幕，毕竟这种结构忒完美了，完美到像是在拿着剧本跳舞。但在真的技术交流里，没人愿意被这种完美的骨架绑架。 我想写个关于特征工程的。别跟我讲啥“起初数据清洗是基石”、“最终模型训练才显灵”，听着就让人认定我们在背定义。
真的工程师喜爱用大白话，就连带点颤抖的叙述。
比如上周我在跟一个刚下班的实习生聊交互优化，他就挠着额头说：“教练，您跟哪位学的？那个‘数据清洗’是像整理衣柜一样慢，还是像把垃圾铲出来一样快？要是是铲垃圾，那凌晨两点不也得干吗？我那个后台报表，昨天凌晨三点都没睡，全是我在晚上十点半摸黑把那些重复型号的数据填了空，结局他妈的，跑模型那会儿，屏幕上全是雪花点，像极了雪天里的猫，可惜冻僵了。” 这种带点“烟火气”的语气，瞬间就把那种高高在上的理论感压下去了。
你看，没有“毋庸置疑”来加强语气，没有“总而言之”来收尾，全是像“摸黑”、“铲垃圾”、“冻僵了”这种具体到动作和感受的描述。
哪怕自己心里清楚是“毋庸置疑”的，但说出来就是另一种真。 再说说数据标注这事儿。大量文章会说“数据标注是机器学习的灵魂”，随即展开宏大叙事。在我写的版本里，我就直接问：“你们那儿的人选标据吗？还是让我去菜市场？我估摸在菜市场，大多数大妈大妈都认得出‘苹果’，但要是我也得用代码去猜？那我的模型能不能当饭吃？我连‘苹果’这个词都分不清，放个模型进来，它都能把‘苹果’识别成‘烂苹果’，这还叫苹果吗？” 这种例子，别看有点啰嗦，就连有点“不完美”，但恰恰是真的痛点。
真的痛点往往就在那些没人注意的细节里：市井气、对效率的执念、对“胡说八道”的容忍度。当文章里充满了这种具体的、就连略显粗粝的场景，AI 那种标准化的逻辑链条就会显得格格不入。它不会去解释为啥选这个供应商，也不会去罗列那三组枯燥的数据指标，而是直接问“大妈大妈认不认识苹果”，这就把读者的注意力从“理论”拉到了“实际”。 结构不用那么死板。有些文章喜爱分段式地罗列难题，第一段讲数据，第二段讲标注，第三段讲验证，第四段讲部署，仿佛这是一部说明书。但在我的叙述里，这些是散落在各个角落的碎片的。
比如我写数据缺失，可能就在讲那个半夜三点还在加班的同事；讲标签毛病，可能就扯到这周刚发来的那个搞笑事故。文章不是流水线上的产品，它是即兴发挥的草稿。
你看我是不是把“数据标注”那块儿写得有点碎？
是不是中间跳了一些段落？对，正是为了显得不那么假。真正的专家，他们的思维是跳跃的，他们的行文也是侧侧斜斜的，哪儿是结构，分明是心流。 自然，这种写法有个大坑：就是好办写得“烂大街”。别揪心，出于真就是粗糙。你要是把“大妈大妈”换成“阿姨阿姨”，把“凌晨三点”换成“凌晨五点”，只要逻辑还在，味道就不一样。
关键在于，你是否愿意分享那些“我不完美”的瞬间？你是否敢于展示模型在某个场景下的“幻觉”，而不是把它当成一个完美的黑盒子？ 你想想，要是一篇论文能让读者认定“这大约是某个技术大牛深夜加班后，带着半瓶冰啤和一堆未加注释的代码写出来的”，那它就已经有了极强的说服力，就连可能比那些印着精美封面的标准模板更让人信服。出于读者的大脑天生就会对那些“不完美”的细节形成信任。 最终，想跟大伙儿说句心里话，降 AI 痕迹不是为了写出难听的话，而是为了把真的声音放出来。在这个信息爆炸的时代，真诚往往是最稀缺的货币。
那些标准化的表达，只是机器写给机器看的；而真正的技术探索，是需求血肉之躯的，是需求带着汗臭味、机油味、深夜的焦虑、成功的狂喜，就连黄了的自嘲，去写下去的。 故此，下次再动笔，别再愁你的段落忒规整、结构忒完美了。去写写那个加班的同事，去写写菜市场里认不出苹果的大妈，去写写模型里那些被字典定义却跑偏的词汇。让文章有了温度，有了呼吸，有了那种“人味儿”。