实验中，研究人员向六个大型语言模型（LLMs）提供了相同的提示，要求其撰写一篇约800个字符的技术博客文章。参与的模型包括商业模型Claude Sonnet 4和GPT-4o，以及开源模型Qwen 3.5-4B和Qwen 3。通过对生成的文章进行评估，研究发现人类撰写的文章在质量上显著优于AI生成的内容，结果与预期存在较大差异。这一发现引发了对AI生成内容质量的深入思考，尤其是在技术领域的应用潜力...