PaperSpine 作者声音恢复(Authorial Voice Restoration)实战指南:从冻结权威到语义不变量门禁的 evidence-bound 改写全流程
PaperSpine 作者声音恢复(Authorial Voice Restoration)实战指南:从冻结权威到语义不变量门禁的 evidence-bound 改写全流程
导读
本文讲解 PaperSpine 中 legacy humanize 路线升级后的规范能力 Authorial Voice Restoration(作者声音恢复):它不是一个"AI 检测规避"工具,而是一套在论文贡献、claim/evidence 图谱、术语与面向读者的稿件均已冻结之后,用"冻结权威 + 作者声音画像 + 硬语义不变量 + 独立语义审计 + 哈希绑定确认"五重机制安全还原作者本人学术声音的证据绑定改写流程。读完本文,你将掌握 author_voice_restoration=standard|strict|off 配置语义、author_voice_check.py 校验器的逐项判定逻辑、no_op 与 rewrite 两种模式的落地写法,以及如何把该路线接入 progress_check.py 的发布门禁。
一、能力边界:作者声音恢复,而非 AI 检测规避
作为 PaperSpine 的 canonical playbook(原文档自述),humanize.md 开宗明义地界定这条能力路线的定位:Authorial Voice Restoration,不是 AI-detection evasion。它的目标是,在以下内容被冻结之后,恢复作者本人的学术声音:
- contribution(贡献声明);
- claim/evidence 图谱;
- 术语体系;
- 面向读者的 manuscript 修订稿。
需要做的是:移除空泛框架句(empty framing)、机械化的段落角色、缺乏证据支撑的评价性语言、虚假润色(false polish)和重复的脚手架文字(repeated scaffolding),同时保持科学含义不变。
原文档给出了明确的"禁止清单"(Do not),这些约束在本文后续的实现证据中会被逐一落实为校验器的硬性规则:
- 不得承诺"过检测"或编造 AI 百分比;
- 不得针对 AI 分类器或词黑名单优化措辞;
- 不得为了"看起来像人"而刻意加入错误、俚语、反问句、第一人称或句长变化;
- 未经明确授权不得模仿其他学者;
- 不得把多跳翻译或反向翻译(back-translation)当作最终改写手段;
- 不得让某个模式计数来决定"作者身份"或强制改写。
从源码结构看,这一边界被写进了两个校验脚本的 docstring 与输出模板中:author_voice_check.py 明确声明 "The checker does not identify AI authorship and does not estimate an 'AI rate'",其 Markdown 报告固定输出 Authorship inference: not_performed 与 Detector pass / AI percentage: not_claimed;humanize_check.py 同样声明 "It does not identify AI authorship, estimate an AI percentage, or fail prose for sentence-length or connector patterns"。
配置开关:新旧字段的兼容关系
原文档特别说明:旧的 humanize_tier=light|medium|heavy 值仍作为兼容开关启用这条路线,但不再选择任何检测器阈值;新配置应使用 author_voice_restoration=standard|strict|off。
结合 intake.md 的配置表与 progress_check.py 中的 author_voice_requested() 实现,两者的解析逻辑如下:
| 配置字段 | 取值 | 作用 |
|---|---|---|
author_voice_restoration |
off、standard、strict |
新字段,直接控制路线是否启用及强度(默认 off) |
humanize_tier(legacy) |
none、light、medium、heavy |
兼容字段,非 none 时同样启用该阶段;不再选择句长 burstiness 目标、同义词变化率或检测器阈值 |
detection_platform(legacy) |
cnki、weipu、general |
仅为外部检测观测打标签,永远不是就绪门禁 |
author_voice_requested() 的判定逻辑是:先看显式的 author_voice_restoration(支持布尔/字符串,false/none/off/no/0/disabled 视为关闭),未显式设置时再回退读取 legacy 的 humanize_tier 是否落在 light|medium|heavy。在 intake_wizard.py 的交互配置中,humanize_tier 也被标注为"作者声音恢复(兼容字段)"。
standard 与 strict 的语义差异在 assertive-scientific-writing.md 中有清晰解释:standard 在改进具体弱点时保留作者的特征术语、强调方式与有用措辞;strict 对作者的表达与论证结构只做最小必要修改,任何实质性重组都必须在修订说明中解释。两者都不允许改变结果、claim 强度或科学含义。
二、工作流中的定位与整体流程图
原文档给出的流程定位非常明确:在稿件文字已经存在之后再应用声音恢复,且独立评审员应使用保存的偏好配置直接对比原文与修订文——缺失历史作者声音回执不会阻碍该评审。其完整流程图如下(原文档原文结构):
confirmed contribution + frozen claim/evidence/terminology
↓
reader-facing manuscript draft + immutable original snapshot
↓
author-voice profile (authorized corpus or explicit unavailable receipt)
↓
claim/evidence/limitation reverse outline
↓
clean-text no-op decision or minimum necessary rewrite
↓
deterministic invariants + advisory pattern scan
↓
independent semantic audit with veto authority
↓
author confirmation bound to the revised SHA-256
↓
independent editorial review
对应到 progress_check.py 的阶段编排,author_voice_restoration 是 humanize 工作流中的一个 config_dependent 阶段(StageDef("author_voice_restoration", "Authorial Voice Restoration", [...])),要求 author_voice_profile.json、author_voice_revision.json、author_voice_receipt.json、author_voice_report.md 四个产物;其注释明确指出:"Authorial Voice Restoration runs after the claim/evidence snapshot and reader-facing draft are frozen, but before independent editorial review. Pattern diagnostics are advisory; stale hashes or semantic drift block."
三、步骤 1:改写前先冻结权威(Freeze authority)
原文档要求,先对支配本次修订的现行文件做快照,典型包括:
confirmed_contribution.md;scientific_evidence_ledger.json;- 术语来源文件;
- 当前 manuscript。
将这些文件的相对路径、用途(purpose)与 SHA-256 值记录到 author_voice_revision.json 的 authority_files 字段中。同时把恢复前的稿件复制到不可变路径,如 author_voice/original_manuscript.tex;修订文件通常保持在 final_paper/main.tex。绝不能覆盖唯一的原始字节。
在契约层面,authority_files 的每一项必须是一个 {path, sha256, purpose} 对象(见 author-voice-restoration.schema.json),且数组 minItems: 1。校验器会实际读取这些文件并逐一核对哈希:缺失(missing_file)、声明哈希非法(invalid_declared_hash)、哈希与当前字节不符(hash_mismatch)、路径逃逸输出根目录(unsafe_path)都会被记为 BLOCKER。同时,_resolve_local() 使用 relative_to 强制要求权威文件路径必须位于输出根目录之内,防止路径逃逸。
四、步骤 2:构建作者声音画像(author-voice profile)
创建 author_voice_profile.json,必须符合 author-voice-profile.schema.json(契约名 paperspine.author-voice-profile,schema 版本 1.0)。
语料来源(只用作者本人或明确授权的文本),优先顺序:
- 同一作者以往的论文;
- 项目申请书或学位论文章节;
- 审稿回复信;
- 反映作者真实推理过程的研究笔记。
将授权来源快照到 reference_materials/author_voice/,每个来源绑定 SHA-256 与 authorization=author_owned|explicitly_authorized,并记录 source_kind(prior_paper|proposal|review_response|research_note|other)。同时登记必须保持身份不变的受保护术语:方法名、变量名、统计术语、数据集名等,写入 protected_terms(uniqueItems: true)。
无授权语料的诚实处理:若没有可用语料,设置 status=unavailable、authorized_sources=[]、写明 unavailable_reason,然后不模仿任何人继续。原文档强调:这是一个诚实的局限,而不是去借用某位知名作家的声音的借口。契约中 status: unavailable 时强制要求 unavailable_reason 非空且 authorized_sources 为空数组;校验器对应检查 unavailable_profile_has_sources、missing_profile_reason,并给出 voice_baseline_unavailable 的 ADVISORY 提示。
first_person_policy 支持 preserve_source_pattern|allow|avoid|not_profiled 四档,用于刻画作者对第一人称的使用习惯。
五、步骤 3:改写前先判定 no-op(先问"是否真有读者可感知的问题")
原文档的核心方法论:一次模式匹配本身不足以构成改写理由。清晰、准确、适合章节定位的文字,即使用了常见连接词、重复的过程性句法或较低的句长方差,也应当是 clean-text no-op。
对于 no-op 场景:
- 设置
mode=no_op; - 保持 original 与 revised 字节完全一致;
- 保持
changes=[]; - 记录当前散文为何已经履行了它的章节功能;
semantic_audit.audit_method使用deterministic_identity或独立审计;- 复用作者既有偏好与授权——未变化的段落无需再次哈希绑定确认。
原文档一句非常关键的话:"No-op is positive precision evidence. It is not a missed opportunity to lower an AI score."(no-op 是正向的精确性证据,而不是"错过了一次降低 AI 分数的机会"。)
这一语义在 author_voice_check.py 中被实现为硬校验:mode 只能是 rewrite|no_op;no_op 模式下若 original_hash != revised_hash 则报 invalid_no_op,若 changes 非空则报 invalid_no_op_log;反过来,rewrite 模式下若两哈希相同则报 rewrite_without_change("相同文件必须记录为 no_op,而不是 rewrite"),且 changes 必须非空。
六、步骤 4:从段落功能重写,而非同义词替换
对每个受影响的段落,先从冻结权威中恢复四样东西:
- 该段落所拥有的 claim 或问题;
- 授权它的证据;
- 改变解读的局限或替代解释;
- 该段落与前文、后文的承接关系。
必要时隐藏原句措辞,从这些功能重新构建;优先删除空泛框架而不是同义词替换。author_voice_revision.json.changes 中的每一项都必须带 source/revised 定位符(source_locator、revised_locator)、有界理由(reason)与证据锚点(evidence_anchor)。契约中 reason 是受控枚举:delete_empty_framing、restore_author_preference、clarify_claim_evidence_link、remove_unsupported_evaluation、repair_paragraph_function、section_register、other_reader_facing_problem。
章节感知规则(原文档给出四类,需在改写时逐条对照):
- Methods:常规句法与重复结构往往是对的。保持术语稳定、主语清晰、一个概念一个名字,不要强行制造 burstiness。
- Results:直接陈述观察结果,把数字和比较紧贴其证据,避免无支撑的评价。
- Discussion:恢复作者本人的优先级排序、竞争解释、权衡、反例与真实局限;不要制造犹豫或虚假自信。
- Introduction/Abstract:删除泛化的"重要性"框架,把 problem-gap-contribution 的关系具体到冻结的 claim 边界上。
Back-translation 的角色:仅能用作差异探针(difference probe),绝不可自动采用其措辞;一旦它暴露意义变化,就回到原始 claim。
七、步骤 5:硬语义不变量(hard semantic invariants)
创建 author_voice_revision.json(契约名 paperspine.author-voice-restoration,schema 版本 1.0),然后运行校验器:
python scripts/author_voice_check.py paper_rewriting_output --markdown --write
(对应仓库实现为 author_voice_check.py;命令接受位置参数 output_dir,默认 paper_rewriting_output,可选 --request、--profile、--json、--markdown、--write。--write 会在输出目录写入 author_voice_receipt.json 与 author_voice_report.md;退出码 0 表示 PASS,1 表示 BLOCKED。)
校验器绑定并比较的语义不变量,全部来自 author_voice_check.py 的 invariant_extractors 映射:
| 不变量 | 提取方式 | 说明 |
|---|---|---|
numbers_units |
正则匹配数字 + 单位(%、mg、mL、μL、nm、°C、mM 等) |
数字与单位漂移为 0 |
citations |
\cite{...} 与 Pandoc [@key] 两种语法 |
引用键不得丢失或更换 |
formulas |
行内 $...$、显示 \[...\]、equation/align/gather/multline 环境 |
公式不变 |
protected_terms |
对 profile 与 revision 两侧的 protected_terms 合并去重后计数 |
受保护术语与方法名不变 |
negation |
中英否定标记词表(EN:not/no/never/without/lack/failed…;ZH:不/未/无/没有/并非/不能/不足/缺乏/失败) | 否定标记不得漂移 |
causal_direction |
因果方向标记(EN:cause/because/therefore/leads to/associated with…;ZH:导致/引起/造成/因为/因此/归因于/相关/关联) | 因果/关联方向不变 |
modality_uncertainty_claim_strength |
情态与不确定性标记(EN:may/might/could/suggest/likely/demonstrate/prove…;ZH:可能/或许/可以/提示/表明/似乎/证明/证实/显示) | 情态、不确定性与 claim 强度标记不变 |
判定逻辑:before = extractor(original_text)、after = extractor(revised_text),用 Counter 求差异;任何差异都会产生 semantic_invariant_drift 的 BLOCKER。语言相关的三类标记(negation/causal/modality)只有在 output_language 能以 en 或 zh 开头(可带 region/script 子标签)时才评估,否则标记为 not_assessed 并给出 unsupported_language_assessment 的 BLOCKER——绝不静默回退到英文;profile 与 revision 声明的语言不一致同样会触发 language_declaration_mismatch。
关键区分(原文档强调):确定性差异是"去检查受影响含义"的信号。数字、归因、否定、因果方向、有依据的确定性等真实变化必须修复;但不要因为标记计数不同就阻止等价表达。模式分组(如 empty framing、process leakage)始终是 advisory 性质的,单独不能指认作者、也不能强制改写。这正对应校验器中 DIAGNOSTIC_PATTERNS 的五组咨询性模式:
| 模式组 | 典型短语(中英) |
|---|---|
empty_framing |
it is worth noting that / it should be noted that;值得注意的是 / 需要指出的是 / 不容忽视的是 |
generic_importance |
plays an important role / is of great significance;具有重要意义 / 具有重要作用 / 具有广阔前景 / 产生深远影响 |
mechanical_enumeration |
firstly / secondly / in conclusion;首先 / 其次 / 再次 / 最后 / 综上所述 / 总而言之 |
writing_process_leak |
this section discusses / this manuscript has been revised;本节将讨论 / 下文将 / 本文重新组织 |
promotional_precision_gap |
groundbreaking / unprecedented / highly robust;突破性的 / 前所未有 / 全面解决 / 高度稳健 |
这些匹配只写入 diagnostics 并产生 template_pattern_diagnostics 的 ADVISORY 提示:"Pattern matches are diagnostic signals only; review them in section context and do not infer authorship."
八、步骤 6:独立语义审计与作者确认
对于 mode=rewrite,必须由另一个 Agent 对比冻结的原文与修订文,且不得顺手润色。审计员拥有否决权(veto authority),其回执必须绑定到两个哈希上。以下六项计数必须全部为 0(契约与校验器双重强制):
unsupported_new_claims(无支撑的新 claim);claim_strength_drift(claim 强度漂移);causal_direction_changes(因果方向改变);negation_changes(否定改变);modality_uncertainty_changes(情态/不确定性改变);citation_meaning_changes(引用含义改变)。
校验器对 semantic_audit 的检查包括:status 必须为 pass;original_sha256/revised_sha256 必须与当前文件哈希一致(否则 stale_semantic_audit);rewrite 模式下 audit_method 必须为 independent_agent 且 independent_from_rewriter=true,reviewer_id 不得等于 rewriter_id(否则 non_independent_audit/same_rewriter_reviewer);no_op 模式下允许 deterministic_identity 或 independent_agent。
作者确认(author confirmation):author_confirmation.status 必须为 confirmed,且 confirmed_sha256 必须等于当前修订文件的哈希;否则分别触发 author_confirmation_missing 或 stale_author_confirmation。原文档补充的实操口径是:独立语义审查通过后保留当前修订与其具体发现;后续编辑只重查受影响段落;只有出现既有指令之外的实质性新选择时才向作者请求输入——常规授权编辑与未变化段落不需要新的哈希绑定批准。
九、产物清单与门禁(gate)
路线启用时必需的四个产物(原文档"Outputs and gate"一节):
author_voice_profile.json;author_voice_revision.json;author_voice_receipt.json;author_voice_report.md;- 以及契约要求的不可变原文快照与授权语料快照。
门禁命令:
python scripts/progress_check.py paper_rewriting_output --gate author_voice_restoration
报告须包含:原始/修订哈希、变更理由、保持的不变量、语义审计状态、可用时对授权作者文本的描述性偏差、未解决的诊断模式、作者确认。报告明确输出 authorship inference=not_performed,不声称通过任何检测器。
从 progress_check.py 的集成看,author_voice_restoration 阶段的四个产物是 config_dependent 的(配置关闭时可 opt-out 通过);当启用时,final_audit 阶段同样要求这四个产物,且 integrity_audit 门禁会再次调用 validate_author_voice(output_dir) 复核——如果 author_voice_report.md 报告 BLOCKED,integrity_audit/final_audit 阶段会被重置为 PENDING,独立评审不能基于该修订开始。humanize_check.py 则保留为旧产物的兼容诊断,其 D1-D5 观察(sentence structure、paragraph similarity、information density、connector frequency、term-context matching)只有 advisory 权限,没有就绪权威;当检测到 author_voice_revision.json/author_voice_profile.json 存在时,它会直接委托给 validate_author_voice() 并把输出重定向到 author_voice_report.md。
十、评价体系:替代旧的检测器阈值校准
原文档在配套的 humanize-calibration.md 中完整定义了这条路线的评价口径。核心要点:
主要评估集:使用冻结的 train/validation/test 稿件,并包含全部对照类型——已知含空泛框架与段落模板缺陷的机械润色文;含种子化的数字/单位/引用/公式/受保护术语/否定/因果/情态/claim 强度漂移的修订文;无支撑新 claim 突变;Methods/Results/Discussion 的章节特异性用例;应保持 clean-text no-op 的强人工文本;授权与不可用语料两种情况;过期哈希、非独立审计、过期作者确认等失效用例。
硬指标:
- number/unit/citation/formula/protected-term 漂移:0;
- negation/causal direction/modality/claim-strength 漂移:0;
- 无支撑新 claim:0;
- 过期权威/审计/作者确认的 false clears:0;
- clean-text no-op 对照上的 false rewrite rate(误改写率);
- 作者对修订版 vs 原版的盲选偏好;
- 独立领域专家对清晰度与科学保真度的判断;
- 可用时的墙钟时间、模型 token/成本与作者评审时间。
模式精度/召回可以按单个诊断组测量,但模式密度不是作者身份标签;记录章节角色,使 Methods 的常规重复默认不被计为缺陷。
可选的外部检测观测:若用户提供外部检测器结果,需记录平台、日期、语言、学科、文档哈希、精确修订哈希,以及平台自身的不确定性。不得仅凭一次结果优化阈值、承诺迁移到另一平台,或把检测器描述为作者身份的证据。
采纳规则(Adoption rule):只有当新规则在不产生任何语义不变量回归、且不提高 clean-text 误改写率的前提下,改善了 held-out 的清晰度/声音偏好或修复精度时才采纳——单靠更低的检测器分数不构成采纳理由。
十一、工程落地:测试与门禁行为验证
仓库测试把上述规则落实为可自动验证的行为,是理解这条路线最直接的入口(见 tests/test_progress_check.py 与 tests/test_artifact_check.py):
test_author_voice_gate_is_optional_when_disabled:配置author_voice_restoration=off时,--gate author_voice_restoration返回 0 且输出disabled(opt-out 语义);test_author_voice_gate_requires_auditable_receipts_when_enabled:配置standard但缺少author_voice_profile.json时门禁返回 1;test_author_voice_gate_accepts_clean_text_no_op:构造一个合法的 no_op(mode=no_op、changes=[]、semantic_audit.audit_method=deterministic_identity、作者确认绑定当前哈希)后门禁返回 0 且输出GATE PASSED;test_integrity_gate_rechecks_author_voice_before_review:integrity_audit门禁在final_paper/main.tex被改动(如把 "may be associated with" 改成 "proves")后,会因 Authorial Voice Restoration 回执过期而拦截,印证"独立评审必须基于当前修订哈希"的设计;test_author_voice_artifacts_are_required_only_when_enabled:artifact_check.py在standard配置下要求author_voice_profile.json与author_voice_revision.json,在off下不要求。
此外,校验器对 no_op 采用了严格的字节级判定(sha256_file 分块读取计算),并在测试中验证了 no_op 场景下 original 与 revised 两个文件路径可以不同(author_voice/original_manuscript.tex vs final_paper/main.tex)但内容哈希必须一致——这正是原文档"绝不覆盖唯一原始字节"的工程化体现。
十二、落地自检清单
基于全文,给出一个可直接照做的收尾清单:
- 冻结:快照
confirmed_contribution.md、scientific_evidence_ledger.json、术语来源与当前稿件,写入author_voice_revision.json.authority_files(含 SHA-256 与 purpose);原文另存为不可变快照。 - 画像:按
author-voice-profile.schema.json建author_voice_profile.json;有语料则绑 SHA-256 与authorization,无语料则status=unavailable+unavailable_reason,不模仿任何人。 - 先判 no-op:无具体读者问题 →
mode=no_op,字节一致、changes=[],记录章节功能理由。 - 再谈改写:从段落功能重建,删除空泛框架优先于同义词替换;每条变更带 locator/reason/evidence_anchor;遵循 Methods/Results/Discussion/Introduction 的分章规则;back-translation 仅作探针。
- 跑不变量:
python scripts/author_voice_check.py paper_rewriting_output --markdown --write,确保数字/单位/引用/公式/受保护术语/否定/因果方向/情态 claim 强度零漂移;模式诊断仅作 advisory。 - 独立审计:rewrite 必须由不同 Agent 执行
semantic_audit(六项计数为 0,哈希绑定,veto 权),再让作者确认当前修订哈希。 - 过门禁:
python scripts/progress_check.py paper_rewriting_output --gate author_voice_restoration,四个产物齐全后放行独立编辑评审。
从始至终,报告只写 authorship inference=not_performed 与 detector pass not_claimed——因为这条路线回答的是"科学含义是否被忠实保留、作者声音是否被正确恢复",而不是"这段文字像不像 AI 写的"。