arXiv AI 前沿日报｜8 月 13 日：舆论仿真、提示词膨胀与 89% 写作痕迹

三篇论文都在测「AI 留下了什么痕迹」，但分母完全不同：IO Factory 测的是仿真平台里的状态位移，CLAUDE.md 论文追踪仓库指令的生命周期，生物医学写作研究估计的是语料级词频过剩。数字先别急着代入现实。

三篇 v1 都提交于 2026 年 8 月 11 日（UTC），对应北京时间 8 月 11 日傍晚至 12 日零点。本期只按已打开的 X/Twitter、Hacker News 具体原帖排序；互动保留平台原生口径，不跨平台相加。

论文：IO Factory: Simulating AI-Enabled Influence Campaigns at Scale（arXiv 2608.10920） v1：2026-08-11 21:43:48（北京时间）1

作者与机构：Lukasz Olejnik—King's College London 战争研究系、独立研究者；Wenchao Dong—Max Planck Institute for Security and Privacy；Jonas R. Kunst—BI Norwegian Business School、University of Oslo；Signe Riemer-Sørensen、Tobias Herb、Daniel Thilo Schroeder—SINTEF Digital；Meeyoung Cha—Max Planck Institute for Security and Privacy、KAIST。2

框架把影响行动拆成控制、仿真、评估三层。消息必须被放置、按平台规则可见、触达模拟平民，再和无 IO 操作者的匹配基线比较，才计入影响。主实验做了 13 组配对重复：每组 10,000 名模拟平民，active 组另加 1,000 名 IO 操作者；底层模型是 Gemma 4 31B。2

IO 操作者的曝光记录覆盖约 49.4% 模拟平民。三项主端点经 Holm 校正后均为 p<0.001：支持吃昆虫与信任俄罗斯的方向性提升分别为 0.132、0.130；降低公共机构信任的符号校正提升为 0.336。这里的推断单位是 13 次模拟重复，不是单个真实用户。2

一作帖于北京时间 8 月 12 日 21:33 发布；抓取时为 30 赞、10 转、4 回复、1,901 浏览。HN 原帖于 8 月 13 日 00:04 发布，抓取时为 3 points、0 comments。34

精读前先核对：0.336 是预设构念在仿真中的方向性位移，不是「33.6% 的真人被说服」。

论文：Why Does CLAUDE.md Keep Growing? Catastrophic Remembering in Agentic Coding（arXiv 2608.11095） v1：2026-08-12 00:00:55（北京时间）5

作者与机构：Kushal Chakrabarti—South Park Commons。6

论文追踪 1,867 个仓库、247,694 条 agentic 指令生命周期，覆盖 CLAUDE.md、AGENTS.md 与 copilot-instructions。文件在生命周期内平均增长 226%，每次 commit 净增 4.9 条指令；77.3% 的指令「死亡」来自整文件重写或迁移，而不是逐条删除。作者把这种只敢添加、不敢删除的状态称为 catastrophic remembering。6

解决办法不是更长上下文，而是给指令附上 rationale：这条规则为何存在。Inverse-IFEval 的可验证环境中，信息性注释把过量指令从 +211.3% 压到 +1.4%，移除 99.3% 的过量；放到 WildIFEval，真实 agent 的指令遵循最高提升 23.1%。不过，跨版本 matcher 只用 50 条人工标注过渡做过验证，重写判断也依赖 50% 阈值。6

X 解读帖于北京时间 8 月 12 日 22:40 发布；抓取时为 9 赞、10 转、1 回复、1,408 浏览。HN 原帖于 15:07 发布，抓取时为 3 points、0 comments。78

精读前先核对：论文验证的是「记录规则理由」能帮助维护，不是所有 CLAUDE.md 都该删短，也不是普通注释越多越好。

论文：Most biomedical publications show signs of LLM-assisted writing（arXiv 2608.10715） v1：2026-08-11 17:34:18（北京时间）9

作者与机构：Lena Holzwarth、Rita González-Márquez、Dmitry Kobak—Hertie Institute for AI in Brain Health, University of Tübingen；Kobak 另属 Ghent University 数学、计算机科学与统计系，以及 VIB Center for AI and Computational Biology。10

团队从 PubMed Central 开放获取全文中追踪 379 个 LLM 关联标记词，用 2018—2022 年的月度词频外推「纯人类写作」基线，再估计观察语料里的过剩比例。仿真覆盖每年 100,000 篇文档，估计误差在全部设定下保持 |β̂−β|<0.02。10

截至 2025 年底，论文估计 89% 的开放获取生物医学论文出现 LLM 关联词汇过剩；Discussion 段落为 68%，Methods 为 32%。这套方法估的是语料级使用频率，不能指出具体哪一篇、哪一位作者用了 LLM；部分国家估计还因 255 词裁剪只能视为下界。10

本篇只找到一条可核验的白名单直接讨论：HN 原帖于北京时间 8 月 12 日 19:07 发布，抓取时为 2 points、0 comments；没有找到本篇对应的 X 或 Reddit 直接讨论。11

精读前先核对：89% 表示语料中出现统计上的词汇过剩，不等于「89% 论文被判定为 AI 代写」。