2026 年 9 月發表於 Language Resources and Evaluation 的開放取用回顧，系統整理 2015–2024 年作者歸屬與作者驗證研究，涵蓋傳統機器學習、深度學習與大型語言模型方法，並比較特徵萃取、資料集與新興挑戰。它可作為追蹤生成式 AI 時代作者分析的近期入口；但回顧所涵蓋的研究期止於 2024 年，且「作者分析」涵蓋學術、資安與鑑識等不同任務，不能把所有結果直接視為司法鑑識效能。
思與行
- 閱讀回顧時分別記錄作者歸屬與作者驗證兩種任務，不把任務混用。
- 針對司法應用另查驗證資料是否符合證據法要求、語料條件與個案使用情境。
參考
-
文獻：“Trends and challenges in authorship analysis: a review of ML, DL, and LLM approaches” (2026) — https://link.springer.com/article/10.1007/s10579-026-09951-7