AI內容泛濫，語言質量度量成新興基礎設施 ---- 靈格科技發布開創性AI文獻熵值研究，靈格引擎8月1日上線

加州硅谷2026年8月5日 /美通社/ -- 當AI可以以工業化速度生成文本，判斷語言質量的能力正在成為一種新的稀缺資產。

學術預印本平臺arXiv每月新增逾兩萬篇論文；企業報告、政策文件、投資分析以近乎零成本的速度大規模產出。現有的知識篩選機制正承受前所未有的壓力：引用量可以被刷，期刊聲譽依賴關系網絡，同行評審周期長達1-2年，評審人數通常只有兩三位，視角有限，且越來越難以應對AI生成內容涌入帶來的質量鑒別問題。真正有價值的研究，可能在當下引用量不高，悄然淹沒在論文的洪流中；而被廣泛傳播的內容，未必經過了充分的認知檢驗。

靈格科技（LingEQ Technologies Limited）認為，在這一背景下，語言質量的可量化度量將成為AI時代知識基礎設施的組成部分——類似于金融領域的獨立評級機構，為內容質量提供獨立于作者聲譽、發表刊物與引用數量之外的客觀參照。

《熵刻九十年》：能力的第一次公開驗證

2026年8月1日，靈格科技發布靈格引擎（LingEQ Engine）全球公測版本。8月22日，LingEQ 精選系列?第一期《熵刻九十年：人工智能五十篇》將正式發布，與 Springer Nature 出版的英文著作 The Scale of Language 同步面向全球推出。

《熵刻九十年》從全球350余萬篇AI相關文獻中遴選五十篇具有原創貢獻與歷史代表性的論文，運用LEQ（語言熵值，Linguistic Entropy Quotient，簡稱熵值）方法論對每篇文本的認知密度與結構強度進行系統測量。研究呈現出一條反直覺的曲線：全場最高熵值并非AI論文，而是香農1948年的《通信的數學理論》（LEQ 194)，高于圖靈1936年定義了計算理論基礎的《論可計算數》（LEQ 193）和圖靈1950年的圖靈測試論文（LEQ 189）；GPT-3、AlphaFold、DeepSeek-R1三篇改變產業格局的論文，熵值則集中在168至170之間。

熵值走勢反映的是知識譜系成熟后的演化規律，而非研究質量的高低——這也是LEQ與引用量、影響因子等現有指標的根本區別：它只讀文本本身，不讀文本之外的任何標簽。