线问答（Q&A）平台通过发布的问题和回答促进知识交流。大型语言模型（LLM）的最新进展展示了其生成高质量答案的强大能力，导致问答平台上LLM生成答案（LGA）的激增。本文深入分析了地方政府区如何影响韩国最受欢迎的问答平台Naver Knowledge iN。为此，我们实施了九种最先进的LLM生成文本（LGT）检测方法，并评估其在Naver Knowledge iN中收集的答案中的表现。随后，我们通过叠加三种表现最佳的LGT检测方法构建集合检测器，实现AUC为0.9987，误报率低于1%。利用该LGA探测器，我们在146万个答案中识别出75,558个LGA。我们发现LGA通常更长，使用更多标点符号，且词汇多样性更高。然而，LGAs在用户反应上并未显示出明显差异，比如点赞、点踩或提问者的选择率。我们还发现，LGA主要用于知识共享，而非个人经验分享。最后，我们观察到问答平台发生了转变：问题越来越多地从简单的事实寻求转向涉及复杂背景、寻求个人意见或过往经验的问题。