AIGC 检测是怎么回事：原理、误差与应对

「AI 检测」这个名字容易造成误解，它并不鉴定真伪，更像是在算一段文字有多「规整」。规整到某种程度，就被判定为机器生成。

理解这一点很关键：被判为 AI 生成，不等于你用了 AI；被判定为人工，也不等于你没用。

检测在算什么

第一类是困惑度。用语言模型计算文本的可预测程度，每个词越容易被预测，困惑度越低，越像机器写的。这套方法对模板化文本极不友好。

第二类是句式分布。句长方差小、连接词密度高、段落总是「总-分-总」，这些都是机器文本的统计特征。

第三类是水印与指纹。部分模型在生成时嵌入隐式标记，这类检测只对特定模型有效，换个模型就失效。

第四类是分类器判别。用人工标注的样本训练二分类模型，效果高度依赖训练集，跨领域时准确率下降明显。

哪些文本容易被误判

第一类是模板化公文。格式固定、句式统一，统计特征和机器文本高度重合。

第二类是法律条款与合同。为了消除歧义，这类文本刻意追求规整，恰好命中检测的判定逻辑。

第三类是教科书段落。定义、分类、举例，结构高度标准化。

第四类是非母语者的规范写作。写作者刻意避免口语化、句式完整、连接词齐全，这些在检测看来都是机器痕迹。

反过来，个人化叙事、口语化评论、带错别字的草稿反而不容易被误判，因为它们「不规整」。

被误判了怎么办

第一步，保存过程文件。大纲、初稿、修改记录、参考资料，这些是证明写作过程最有效的材料。

第二步，请教师复核。说明你的写作过程，提供中间稿。多数老师愿意看过程，而不是只看一个分数。

第三步，申请人工评审。多数机构允许对自动判定提出复核，这是制度内的正规路径。

第四步，不要做对抗性改写。为了骗过检测而刻意加入口语、错别字、不规则句式，往往把内容改坏，得不偿失。

常见问题

检测准确率有多高？ 公开研究差异很大，短文本误判率更高。把它当参考信号，不当判决。

中文检测比英文差吗？ 通常更差。中文语料复杂、训练数据参差，误判率相对更高。

自己写的会不会被判？ 会，尤其是上面那四类文本。这就是为什么过程材料很重要。

降 AI 率有用吗？ 部分有效，但本质上是在对抗统计特征，容易把文本改得不自然。

一句话判断： 检测工具测的是「像不像机器」，你要证明的是「这是我写的」——后者靠过程材料，不靠改写。