ilyautov/humanizer-ru v3.30.0

v3.30.0 «Швы правки»

on GitHub

Аудит про качество, а не про авторство

• Аудит не устанавливает авторство. На вопрос «писал ли ИИ» скилл отвечает, что измеряет текст, и даёт находки по тексту. Метаданные файла, способ вёрстки и «модель производства» находками не считаются: сторонний агент со скиллом 3.28 построил на них вердикт. Правило держится и в следующих ходах: тот агент сначала отказался «доказать нейрослоп», а на вопрос «ну а маркеры?» вынес тот же вердикт мягче. Отказ идёт без нотаций пользователю.
• Раздел каталога «Не маркеры» с замером. Риторические вопросы (4+ на 1000 слов у 37,5% авторов Пикабу против 9-25% у моделей), общее «не X, а Y» (10-11% у людей), длинное тире в свёрстанном PDF, шаблон вёрстки. Таблица в eval/MODERN-SLOP.md.
• Группа P «Числа и проверяемость». #66: точность, которую читатель не может проверить, и число из первоисточника без условия; скилл спрашивает автора, а не дописывает. #67: разнобой числовых форматов («10 000» рядом с «$8,928 млн»).
• Формат рецензии. Для длинного документа добавляются блоки «что выдержало проверку» и «что недостатком не является», чтобы не обвинить автора по артефакту извлечения текста. Оставленные на виду расхождения источников записаны как признак живой сверки.
• Свой текст целиком под правилами. К разбору и к файлам, которые агент пишет по-русски, применяются жёсткие запреты и #54 («вот честный аудит»).

Следы итеративной правки

• Паттерн 65 «Швы правки», новая группа O. Следы цикла «замечание рецензента, заплатка»: одна оговорка «Это X, а не Y» на три абзаца, обрыв ссылки на вычеркнутое слово, самоповтор после склейки, одна мысль дословно в каждой главе. В разовых генерациях корпусов оговорки-концовки почти нет (0% у Claude и GPT-5.6, до 2% у остальных, 0-0,2% у людей), в исследовании на 5 800 слов после рецензий их было девять.
• Сверка ловит швы собственной правки. Скилл удаляет, значит, сам может оставить «саму усталость» без усталости. В шаге 3 SKILL.md появилась проверка отсылок, склеек и размноженных оговорок.
• #34 и #45 шире. Дрейф голоса в экспертном лонгриде (первая половина от автора, вторая регламент) и одинаковый скелет у абзацев прозы, а не только у пунктов списка.
• Аудит запускает сканер через uvx. В references/audit.md стояло «не устанавливай зависимости автоматически», и агент в режиме аудита не пробовал uvx ru-humanizer даже на 3.29. Теперь запрет касается pip install в систему, а uvx разрешён. Разбор агента это его собственный текст: жёсткие запреты, включая длинное тире, к нему применяются.

Повтор фразы между абзацами: заметка, а не штраф

• Сканер показывает фразы, которые текст повторяет дословно. Цепочка из 6 словоформ, стоящая в двух разных абзацах, это привычка Llama-3.3 (15% текстов) и YandexGPT-5 (6%): вывод пересказывает вступление. С двух таких фраз в первых 600 словах scan.py, сайт и расширение пишут заметку с самими фразами. Цитаты в кавычках, заголовки Markdown и цепочки из служебных слов не считаются, цифры, латиница и конец предложения рвут цепочку.
• В счёт повтор не входит, и это решение по замеру. Текст с такими повторами почти всегда уже задет другими признаками: даже бесконечный штраф вывел бы из «чисто» 2,8% текстов Llama-3.3 за одну фразу (0,8% за две) и меньше процента у остальных моделей, а людей задел бы на 0,1-2 п.п. за две фразы и до 7 п.п. за одну на длинных справках и Википедии. Свежие модели (Claude, GPT-5.6, o3, QwQ, GigaChat-Max) так не пишут вовсе. Проверка шла и на длинных человеческих текстах: LLMTrace целиком, Пикабу, Википедия, Хабр, классика. Без окна в 600 слов повтор есть в двух третях статей Википедии. Замер и таблица: eval/MODERN-SLOP.md.
• Порт в браузер дословный: список фраз и заметки сверяются в test_web_parity.py точным равенством, на 17 672 текстах калибровки расхождений 0.