商业顾问兼作家 Tom Frazier 于周二在 GitHub 上开源了一款名为 Slop Mop 的 Chrome 扩展程序。该工具旨在帮助用户从 LinkedIn 信息流中过滤低价值内容，其核心功能依赖于决策型人工智能模型 Jev。
Slop Mop 并非仅针对 AI 生成内容，同样也能识别由人类撰写的“垃圾”文章。这一机制基于 SEO 公司 Graphite Growth 对 AI 生成文本中高频出现模式的深入研究。据 AI 检测机构 Pangram 统计，在其样本中超过 250 字的 LinkedIn 帖子里有 41% 被判定为完全由 AI 生成。鉴于此现象日益严重，LinkedIn 近期已在平台内新增按钮，允许用户将帖子标记为“看起来像 AI 垃圾”。
Graphite Growth 的研究将此类低质内容的特征归纳为九种模式：包括通过添加空白行阻碍用户滚动阅读、过度使用填充词、标题党行为（承诺未兑现）、辞藻华丽但空洞、包含可疑的课程推销、依赖虚假赞美、通过对比强行定义术语以及使用生硬措辞等。为了降低误判高质量内容的风险，Slop Mop 引入了额外的评估维度，主要考量文章是否具有特定人物的独特风格。Frazier 在其网站解释称，若符合上述特征会降低评分，而第 12 个评估指标——即模型生成文章的可能性——仅用于进一步调整评分权重。
Frazier 强调，Slop Mop 的定位不仅仅是 AI 检测器，更是一个互联网内容过滤器。该工具不区分作者是 AI 还是人类，只要内容符合“垃圾”标准，就会被标记或隐藏。值得注意的是，这些帖子并未从 LinkedIn 源中彻底删除，用户仍可通过官方提供的“看起来像 AI 垃圾”按钮进行报告。
开发这款扩展的主要动机之一是测试 TypeSafe 上周发布的新型概率决策 AI 模型 Jev。与传统的聊天机器人不同，Jev 无法直接交互，而是专为其他软件系统提供概率决策支持，并通过 API 访问。作为一个开源项目，Slop Mop 展示了开发者如何利用 Jev 构建应用。整个系统的运行均依托于 Frazier 的 Jev 账户。
在成本控制方面，Frazier 设置了每日分析上限，每个安装实例每天最多可处理 250 篇帖子。他表示，这一额度已远超普通用户在 LinkedIn 上的日常浏览需求。
