AI 写作工具普及之后，学生们最关心的问题变成：交上去的作业，学校的查重系统能不能识别出 AI 痕迹？有人指望检测系统兜底——「查不出来就没事」；也有人被检测报告吓到——明明自己写的，却被标了高比例。这两种反应都建立在同一个误解上：把检测结果当成精确的判决。AIGC 检测有实打实的技术局限，误判与漏判同时存在，理解它的原理，才知道为什么正确姿势从来都是别赌概率。
检测系统在看什么
目前的 AIGC 检测大多走统计路线。模型生成的文本有可测量的倾向：用词分布偏「平滑」，常见搭配出现得规律，句子长短均匀，逻辑连接词排布工整——这些特征构成机器味的基础，行文层面的具体表现见AI 生成文章的机器味一篇。检测系统把待测文本与这些倾向做比对，再结合与已有语料的相似度，输出一个比例或分数。要注意两点：它看的是统计特征而不是「真相」，它输出的是概率倾向而不是身份证明。
误判从哪来
误判的真名叫「写作风格撞车」。格式规范、句式工整、用词稳妥的文本——恰恰是好好上过写作课的人写出来的样子——与 AI 的统计倾向高度重合。非母语写作者、习惯套模板的学生、写实验报告这类高度结构化文体的人，被误标的比例明显偏高。检测分数把「像 AI」和「是 AI」混在了一起，而这两件事在统计上根本分不开。模型表达概率倾向时的分寸感，与检测系统面临的是同一类难题，背景见不确定性声明一篇。被误判的学生不必慌，保留写作过程稿——提纲、草稿、修改版本——就是最直接的申诉材料。
漏判又是怎么发生的
反方向同样失灵。对 AI 文本做深度改写、换句式、调词序，统计特征就被打散，检测分数明显下降；混合人写与 AI 生成的内容，检测器很难给出稳定的切分。这意味着「查不出来」与「没问题」之间没有任何等号：检测不出的内容，学校依然可能通过答辩面谈、写作过程核查、文风对比这些人工手段发现问题。把检测系统当成唯一防线，是对它的能力上限最大的误读。
| 情形 | 检测器会怎样 | 真实情况可能是 |
|---|---|---|
| 格式规范、句式工整的人写文本 | 容易被标高比例 | 作者只是好好上过写作课 |
| 深度改写过的 AI 文本 | 分数明显下降 | 内容仍非本人完成 |
| 人写与 AI 混合的内容 | 难以给出稳定切分 | 检测结论不足以支撑判定 |
别赌检测概率
两条路都赌不通：赌「查不出」的人，输给学校的人工核查与事后追溯——学术不端的追责没有时效上限，毕业多年被复核的案例并不罕见；赌「查得出但误判不了我」的人，输给检测器天然的误判率——自己写的作业也可能被标红，而解释成本远比想象中高。正确姿势回到源头：弄清学校对 AI 使用的口径（几种分法见AI 写作业算不算代写一篇），在允许范围内使用，交之前过一遍自查清单——能讲清、查过源、符合校规，见学生用 AI 的自查清单一篇。用 DeepSeek、Kimi 这类助手整理资料、讨论思路没问题，判断结论和最终文字要出自自己的手，这比研究任何检测工具的分数都有用。豆包之类的助手被用来润色时，改到什么程度算自己的话，也该按学校口径事先想清楚。
面对检测系统的三个清醒判断
- 分数是统计倾向：像 AI 不等于是 AI，是 AI 不一定测得出
- 过程稿是硬证据：提纲、草稿、修改记录留全
- 口径优先于分数：学校规则允许什么，比检测器说什么更重要
AIGC 检测快问快答
- 检测出来的 AI 比例低，是不是就安全了？：低分不构成豁免。学校对学术不端的判定依据是使用行为与校规口径，检测分数只是参考材料之一，按规则使用比压分数可靠得多。
- 自己写的作业被检测标红怎么办？：走申诉流程，提交写作过程稿与修改记录。格式化程度高的文体容易被误标，这不是学生的错，多数学校对误判有复核渠道。
- 把 AI 文本改写一遍就测不出来了吗？：改写确实会降低分数，但赌的是检测技术的当前水平，而学校核查手段不止检测一项。根源问题是使用行为是否符合口径，不是分数高低。
