本文是一篇关于语言学隐写术（linguistic steganography）的综合性综述，系统梳理了该领域在大型语言模型（LLM）时代的最新进展。隐写术旨在将秘密信息隐藏在看似正常的自然语言文本中，以规避检测。随着LLM的兴起，文本生成方式发生根本性变化，隐写方法也经历了深刻变革。作者沿四个维度展开分析：148种隐写方法、60种语言学隐写分析（steganalysis）对策、23种评估指标、9个开放挑战，并为每个维度提供了详细的分类法、综述和采用率分析。在此基础上，作者识别出LLM时代五个具体的范式转移：（1）从对载体文本的修改转向仅通过提示（prompt）生成隐写文本；（2）从基于启发式的方法转向可证明安全性；（3）从白盒对称语言模型访问转向黑盒或非对称访问；（4）从仅关注安全性的设计转向安全性与文本质量、实用性等的联合优化；（5）从关注文本质量转向工程化问题（如成本、延迟、系统集成）。该综述的目标是为LLM时代的实践性和负责任的语言学隐写术提供参考和路线图，既涵盖技术原理，也讨论对抗检测和伦理边界。适合自然语言处理、信息隐藏、网络安全等方向的研究者阅读，以快速把握领域全貌并定位关键研究方向。