AI生成内容相似性鉴定

办案这几年，AI生成的合同、诉状、代理词越来越多，有时候当事人自己都搞不清楚哪段是AI写的，哪段是自己写的。前两天有个案子，对方提交的证据里有一份所谓的“客户沟通记录”，看起来格式工整，用词规范得不像真人写的。我们这边提出质疑，法院也很头疼——到底怎么认定AI生成内容的相似性？

说白了，鉴定这个事儿，主要看几个点。第一是语言模型的特征，AI生成的内容往往有固定的句式套路，比如过度使用“鉴于”“综上所述”，或者逻辑链条特别紧密，缺少真实对话里的那种犹豫和口语化表达。第二是数据源残留，很多AI模型在生成时会不自觉带入训练数据里的独有表述，比如某些法律条文引用方式高度一致，甚至出现少见的词汇重复。第三就是时间戳和元数据，如果文档生成时间集中在凌晨或者作者信息显示空白，那就要打个问号了。

实务中我们常用的一种方法是“反向溯源”。把怀疑是AI写的段落丢进专门的检测工具里，看它和已知AI生成样本的语义相似度。但注意，这个玩意儿不是百分百准，有些当事人用几个不同的AI工具反复修改，反而能躲过检测。最靠谱的方法还是结合上下文逻辑，尤其是看具体案例的细节描述——真人律师写东西再烂，也会带点自己的表达习惯，AI再强，模仿不了那种“我当事人当时就说了一句话”的鲜活感。

所以啊，如果你碰到类似情况，别急着下结论。把文档关键段落复制出来，对比下双方的用语风格、专业术语使用频率，再找几个疑点问问当事人。证据真假，往往藏在最不起眼的用词习惯里。