ИИ-посты в блогах компаний выдаёт структура даже после переписывания

Посты в корпоративных блогах, написанные нейросетями, выдают не слова, а строение текста: классификатор, который видит только структуру, отличает их от человеческих почти без ошибок.

Это показал Йохен Мадлер из компании Sitefire в препринте SlopShape, который вышел на arXiv 14 сентября.

Почему это важно: детекторы, которые ищут типичные для ИИ слова, набрали на тех же постах все 100 баллов из 100, но их обманывает простое перефразирование. Для него уже есть целый рынок сервисов-«очеловечивателей», а структуру, по расчёту автора, переписать гораздо труднее.

Как это работает: Мадлер взял метод StoryScope — работы 2026 года, где так же отличали прозу нейросетей от человеческой, — и перенёс его на тексты, от которых зависят продажи.

• Он собрал 2 250 постов из блогов 268 компаний, продающих товары и услуги другим компаниям, по снимкам Wayback Machine¹ 2008–2022 годов, то есть до ChatGPT.
• По каждому посту составили задание и отдали его пяти моделям: GPT-5.4, Claude Sonnet 4.6, Gemini 3 Flash, DeepSeek V3.2 и Kimi K2.5.
• Модель Gemini 3.6 Flash разметила все 13 500 постов по 214 признакам: как подан материал, в каком порядке, с какими доказательствами и чьим голосом.
• Главный классификатор видел только 187 структурных признаков, а 27 признаков стиля из него убрали.

В цифрах:

• 98 баллов из 100 по macro-F1² набрал классификатор на одних структурных признаках, проверенный на постах компаний, которых не было в обучении.
• 98,1 балла он набрал после того, как каждая модель переписала свои посты, хотя в среднем 73% цепочек из 13 слов перестали дословно совпадать с исходником.
• 79,3% постов классификатор приписал верному автору из шести — человеку или одной из пяти моделей, тогда как случайное угадывание дало бы 16,7%.
• Среди 1% самых необычных по структуре постов 149 написаны людьми и только 4 — моделями.

Детали: все пять моделей пишут то, что Мадлер назвал аккуратным постом, который сам себя объявляет.

• Заголовок сразу обещает выгоду, например «Как вдвое сократить время адаптации новичков».
• До первого раздела стоят тезис и план: «В этом посте разберём, почему буксует адаптация, три работающих решения и как измерить разницу».
• В конце идёт раздел, который повторяет тезис: «Короче говоря, структурированная адаптация экономит время».

Общая картина: по оценке компании Graphite, примерно половину новых англоязычных статей в сети уже пишет в основном ИИ. Водяной знак, который Anthropic в августе добавила в тексты Claude, по словам самой компании, переживает лёгкую правку, но не полное переписывание.

Но: у работы есть оговорки, которые автор перечисляет сам.

• Проверены только тексты, написанные с одной попытки и переписанные той же моделью, а сервисы-«очеловечиватели» и совместную работу человека с ИИ Мадлер не тестировал.
• Люди писали, зная всё о своём бизнесе, а модели получали лишь восстановленное по посту задание, и часть различий может объясняться этим.
• Человеческие посты написаны до ChatGPT, а ИИ-версии — в августе 2026 года, так что время написания совпадает с авторством.
• Мадлер руководит Sitefire, которая продаёт сервис продвижения сайтов в ответах ИИ-поисковиков, а двое людей, проверявших разметку модели, тоже связаны с компанией.

Что дальше: код, все 214 признаков и запросы к моделям выложены на GitHub, а данные по отдельным постам исследователям выдают по запросу.

По выводам работы уже сделали навык для агента-программиста Claude Code: он перестраивает ИИ-текст так, чтобы тот не попадал в найденный шаблон.