仅凭文字本身，你无法确定文本是不是 AI 写的，但几个信号同时出现，可以构成合理的怀疑：内容笼统、缺少具体细节，句子节奏单一，套话连篇，言之凿凿的错误，以及根本不存在的引用。AI 检测器提供的是概率估计，而不是证据。公平的做法是，把信号和分数当作仔细查看、与作者沟通的理由，而绝不是单凭它们就提出指控的依据。
文字中的信号
这些信号单独出现都证明不了什么。很多认真的人类作者也会表现出其中一些。只有几个信号同时出现，尤其是与你对作者的了解不符时，它们才有意义。
1. 内容笼统，缺少具体细节
AI 文本经常提出一些几乎适用于任何事情的合理观点。留意：
- 例子是假设性的、模糊的（“一家公司可能会用它来提高效率”）。
- 完全没有提到课堂讨论、指定阅读材料或作者自己的经历。
- 论断听起来没错，却没有具体回应实际的题目。
2. 结构和节奏千篇一律
段落长度相近，每段都以主题句开头、以一个小总结结尾。句子的长度和形态都差不多。大量“三项并列”。人类写作通常更参差不齐。
3. 套路化的词汇和措辞
有些词语和短语在 AI 输出中出现的频率远高于一般写作。以英文为例，比如 "delve"、"tapestry"、"it's important to note"、"navigate the complexities"、"plays a crucial role"。出现一个说明不了什么，成堆出现就值得注意。
4. 四平八稳，没有立场
文本对每一点都要平衡一下（“一方面……另一方面……”），最后得出答案“取决于很多因素”。一份论证类作业却没有论点，这是一个信号，尽管这也是没把握的学生常见的习惯。
5. 言之凿凿的错误与编造
这是最强的文本信号。留意：
- 引用了不存在的文章或书，或者文献存在、内容却与所说不符。
- 挂在真实人物名下、却在哪里都查不到的引语。
- 看似合理却是错的日期、数字或定义。
核查两三条参考文献。如果它们不存在，那就是具体的、可以核实的问题证据，无论原因是什么。
6. 与作者本人不符
对老师和编辑来说，最有用的对比是与这个人的其他作品对比。与课堂写作相比，词汇、结构或打磨程度突然跃升，值得谈一谈。一个作者无法解释自己反复使用的术语，也值得谈一谈。
文字之外的信号
有时，背景比文字本身更能说明问题。下面这些值得考虑，同样要谨慎：
- 过程证据：文档的版本历史可能显示文本是一次性大段粘贴进来的，而不是在几小时或几天里逐渐写成的。这并不能下定论（有些人在别处起草再粘贴进来），但它是询问起草过程的理由。
- 残留的提示词或聊天机器人用语：偶尔文本里会残留类似 "Certainly! Here is an essay..." 或 "As an AI language model" 这样的话。认真提交的作业里很少见，但除此之外很难解释。
- 偏题：文本回答的问题和你问的略有不同，往往是一个更笼统的版本。
- 格式怪癖：不寻常的标题样式、每段开头都有加粗标签，或者最终文档里没有渲染出来的 Markdown 符号，都可能表明文本是从聊天界面复制过来的。
- 过时或超纲的材料：作者引用了课程中没有的观点或例子，却说不出是从哪里找到的。
和文本信号一样，要看模式而不是单一线索，并保持开放的心态。在某些情况下，上面每一条都有无辜的解释。
AI 检测器能告诉你什么、不能告诉你什么
AI 检测器分析文本的统计特性，比如用词有多可预测、句子之间有多少变化，并估计文本由模型生成的可能性。比如 ZeroTell 的 AI 检测器会高亮看起来最像机器写的句子，让你看到分数从何而来，而不是只依赖一个数字。
AI 检测器逐句给出 AI 评分用得好，检测器能帮你决定该往哪里看。它的局限很重要：
- 它是概率，不是事实：高分意味着文本与 AI 输出相似，而不是说 AI 写了它。
- 误报会发生：短文本、模板化文体、非母语写作和大量编辑过的文字更容易被误判。
- 漏报也会发生：编辑过或混合的 AI 文本可能得分很低。
- 不同工具结论不一：同一段文本在不同检测器上可能得到差别很大的分数。
- 分数无法说明意图：学生可能是以课程允许的方式使用了 AI，比如语法帮助或头脑风暴。
很多大学和检测服务商都建议，不要把分数当作认定违规的唯一依据。这是合理的做法。
心存怀疑时的公平流程
无论你是老师、编辑还是经理，下面是一个合理的顺序。
- 记下具体信号：写下是什么让你起疑，比如特定段落、缺少具体细节、无法核实的引用。
- 核实事实和来源：查一查参考文献。编造的来源是实打实的，不依赖于对文风的解读。
- 与已知作品对比：看看作者以前的作业、课堂写作或之前的报告。
- 可选：使用检测器：把结果当作又一个数据点，并记下你用的工具和设置。
- 与作者谈谈：用中立、好奇的语气询问他们的写作过程、资料来源和写作选择。请对方出示草稿或版本历史。
- 遵循学校的程序：如果疑虑仍然存在，走正式流程，而不是私下处罚。
“我想多了解一下你是怎么完成这篇论文的。能不能给我讲讲你是怎么找到资料的，再给我看看早期的草稿或你的笔记？在打完分之前，我想先了解你的写作过程。”
这样开场，能给诚实的作者一个展示自己作品的公平机会，这正是你想要的；而且无论结果如何，往往都能很快把事情弄清楚。
从一开始就让 AI 使用更容易判断
检测很难，所以预防和清晰的预期作用更大：
- 为每份作业制定清晰的 AI 政策：什么是允许的，什么必须披露。
- 要求提交过程材料：提纲、草稿、带批注的资料，或一段关于作品如何完成的简短反思。
- 设计具体的题目：与课堂讨论、本地数据或个人经历相联系。
- 安排一些课堂写作：为每个学生的语气建立一个基准。
如果你是担心被误判的作者
保留草稿，并使用有版本历史的工具。用来自你自己的阅读和经历的具体细节来写。如果受到质疑，我们关于 如何证明你没用 AI 的指南会说明哪些证据有用。
要点总结
- 文字中的信号可以引起怀疑，但很少能定论。
- 编造的引用和事实是最具体的证据。
- 检测分数基于概率，两个方向都可能出错。
- 与已知作品对比，核实来源，并与作者沟通。
- 绝不要单凭分数指控任何人。