Claude 常用詞研究：GitHub PR 顯示風格聚類，不等於識別作者
Claude 常用詞研究：GitHub PR 顯示風格聚類，不等於識別作者
研究發現
Louis Abraham 建立「The load-bearing vocabulary of Claude」資料專案，每日抽取約 1,000 個 GitHub Pull Request 描述，再以詞彙分佈聚類。專案目前分析超過 47,000 份描述，發現一組在 2026 年快速增加的寫作模式；load-bearing、the crux、first-class citizen 等詞在該群組特別具代表性。Daring Fireball 及 Boing Boing 均獨立介紹了這個現象，認為它反映 Claude 輸出的重複用詞逐漸滲入開發者文字。
方法比結論更重要
作者公開程式碼及方法，也主動列出限制：資料只觀察 PR 文字，沒有直接觀察哪個模型或人撰寫內容；部分聚類數量、詞頻門檻是看過結果後選定；取樣視窗會截斷；移除可識別 bot 帳戶後，仍可能保留由人類帳戶提交的 Agent 文字。因此，研究能支援「某種詞彙群組快速流行」，不能證明其中 45% 的 PR 都由 Claude 生成，更不能把個別用詞當作可靠 AI 偵測器。
實際用途
這類分析適合用作寫作品質監察：團隊可檢查過度重複、空泛隱喻及模板句式，再要求作者指出具體機制與證據。它也提醒評估者，AI 風格可能被人類採納，人類文字亦可能被模型誤判。若用於學術誠信、招聘或內容審核，單靠詞彙特徵作出處分風險很高；較合理的用途是提示人工覆核，而不是判定作者身份。