英国曼彻斯特大学安德烈亚·尼尼博士领导的研究团队在《人文与社会科学通讯》发表一项新研究，展示了一种名为LambdaG的语法分析方法，在文本作者识别任务上能够媲美甚至超越先进人工智能系统。

LambdaG方法通过分析功能词使用、句子结构、标点模式和其他语法习惯，构建个人写作的统计档案。研究人员指出，这些语法特征为每位作者创建了独特的行为签名，使得文本作者识别在无需依赖大规模AI模型的情况下实现高精度。

与当前许多基于复杂人工智能的作者身份验证系统相比，LambdaG提供了更高的透明度和更低的计算成本。研究人员在12个包含电子邮件、在线论坛帖子和消费者评论的数据集上测试该方法，结果显示其在大多数情况下比包括神经网络方法在内的现有系统更准确。

尼尼博士表示：“人们越来越认为需要复杂的人工智能来解决诸如作者身份分析这样的问题，但我们的发现表明情况并非总是如此。通过将我们的方法建立在语言实际运作的科学基础上，我们可以实现同样好——甚至往往更好——的结果，同时更加透明。”LambdaG方法可应用于司法语言学、刑事调查、在线滥用检测和学术诚信监控等领域。

出版详情：作者：Joe Stafford, University of Manchester；标题：《Back-to-basics approach can match or outperform AI in language analysis》；发表于：《Humanities and Social Sciences Communications》(2026)；期刊信息: Humanities and Social Sciences Communications