以太坊创始人V神点赞千问模型：AI利用数学思维识别匿名能力 散文风格更难伪装

  币圈子(120BTC.COm)讯：以太坊创办人Vitalik Buterin周二在X平台发文宣布，他于两年前发起的一场AI匿名识别挑战实验已有胜出者。这场实验验证了大模型不仅能辨识散文风格，更能捕捉人类在数学推理与演算法设计中的思维印记。

实验设定：先用中文写、再翻译回英文

  根据Vitalik的描述，整个实验的流程相当直接但设计精巧：他在2024年以中文撰写了EIP-7503(零知识虫洞)的修订版本，然后使用Qwen 2.5模型在本地完成翻译，最后再手动修正翻译结果，企图彻底抹除自己的作者痕迹。

  这场实验的核心在于两层伪装：第一层是用中文撰写再翻译回英文，利用翻译过程模糊散文风格；第二层是手动修正，确保翻译结果自然流畅。Vitalik的策略专注于散文风格的混淆——他认为只要文风被模糊，作者身份就能被隐藏。

AI的破题方式：数学思维比散文风格更难伪装

  结果却显示，千问模型绕过了散文层的伪装，直接锁定Vitalik在数学和演算法解释中的独特思维习惯。具体来说，模型捕捉到的关键特征包括：

•   具体数值范例—Vitalik在解释抽象概念时，习惯使用具体的数字来建立直觉

  
  

•   逻辑链条—他的推理步骤呈现独特的连线模式，从前提到结论的推导方式具有个人特色

  
  

•   演算法解释风格—描述演算法时的语言节奏、比喻选择和细节深浅都有可辨识的模式

  
  

  Vitalik形容，尽管散文风格的伪装相当成功，但AI完全绕过了他的混淆策略，直接透过「思维习惯指纹」完成了识别。

延伸意义：AI识别从「文风比对」进阶到「思维模式读取」

  这场实验的意义不仅在于验证了千问模型的能力。它揭示了AI文本分析的一个趋势转折：早期识别模型多依赖散文风格(句式长度、用词偏好、标点使用)，而新一代模型已能捕捉更深层的认知特征——推理结构、概念组织方式和问题解决策略。

  这种能力在实际应用中有多重意义：学术论文作者鉴定、技术档案溯源、甚至侦测AI代笔时先「人类化」再「伪装」的多层策略，都将面临更大的识别压力。Vitalik的实验虽然规模不大，却为AI文本指纹领域提供了一个具体的实证案例。