如何识别 AI 撰写的内容，同时不粗暴待人

AI 检测工具的问题

大多数 AI 检测工具通过分析文本中的统计模式来工作——词频、句子结构、可预测性。它们会返回一个置信度分数，通常以百分比呈现。问题在于，这些分数并不具备诊断意义。一个“95% AI 生成”的结果，并不意味着文本就是机器写的。它的意思是，这段文本与已知 AI 输出具有某些相同的统计特征。

这很重要，因为误判为阳性的后果很严重。指控一位真人作者提交了 AI 生成的作品，会损害信任、浪费时间，并制造敌对的编辑环境。学生曾因此被判不及格，自由撰稿人曾因此失去合同，求职者也曾因有缺陷的检测分数被拒绝。工具本身也承认，它们并不可靠到足以作为唯一证据使用。

根本问题在于，AI 模型是在人的写作上训练出来的，因此它们会生成类似人类写作的文本。随着模型改进，人类文本与合成文本之间的统计距离会缩小。检测工具追逐的是一个不断移动的目标，而且它们正在落后。

真正有效的方法：编辑判断加上下文

识别 AI 生成内容最可靠的方法不是工具，而是由上下文支持的编辑判断。这需要你了解投稿者、理解选题要求，并能识别某些“不对劲”的地方。

以下是常常提示合成文本的模式：

• 风格突然变化。 一位平时使用缩写、第一人称写作的作者，突然提交了正式、第三人称、没有任何口语表达的文章。
• 措辞泛泛。 文本读起来像是“摘要的摘要”。它缺少具体性，避免强有力的判断，并使用占位式语言（“各种因素”“需要注意的是”）。
• 结构完美，内容浅薄。 每一段都遵循同一种格式。过渡顺滑但没有意义。文章看起来很精致，却没有留下任何值得记住的内容。
• 事实含糊。 文本提出宽泛主张却不引用来源，回避日期和姓名，并不断使用模糊措辞。
• 未经支撑的自信。 语气很权威，但内容很表面。作者听起来像是在解释一件自己并不理解的事。

这些模式都不是证据。它们是信号。好的编辑会用这些信号来判断是否需要沟通，而不是直接决定拒稿。

提出疑虑的公平流程

如果你怀疑一篇稿件是 AI 生成的，目标应当是核实，而不是指控。以下流程既能尊重投稿者，也能保护编辑标准：

1. 对照约稿要求审阅稿件

这篇文章是否回答了你提出的问题？是否包含了你要求的案例、数据或个人视角？如果任务要求原创研究，而文本完全是泛泛而谈，那么无论是否涉及 AI，这都是问题。

2. 检查事实错误

AI 模型会产生幻觉。它们会编造引用、错误归属引语，并捏造统计数据。如果文章中有无法核实的主张，请作者提供来源。这是标准编辑实践，不是指控。

3. 提出澄清问题

如果某些地方感觉不对，要求作者解释他们的思路。“你能讲讲你是如何处理这一部分的吗？”或者“我注意到这个措辞——你说‘各种因素’具体指什么？”真正做过工作的作者通常可以展开说明。提交 AI 输出的作者往往做不到。

4. 具体地要求修改

如果稿件过于泛泛，就要求补充具体内容。“你能加入一个来自自己经验的例子吗？”或者“你能为这个主张引用一个来源吗？”这会给作者改进作品的机会，而不需要指控任何事情。

5. 直接沟通

如果你仍然有疑虑，就和作者谈一谈。不要发送检测工具的截图。不要提百分比。可以这样说：“这篇文章和你之前作品的风格不太一致，也没有包含我们讨论过的具体内容。我们能聊聊发生了什么吗？”

如果你给作者一个诚实说明的空间，大多数人会坦诚。有些人会承认他们把 AI 当作起草工具，并愿意修改。有些人会解释自己太赶，或者误解了约稿要求。少数人会防御性很强。所有这些结果都比一次错误指控更好。

何时使用检测工具（谨慎地）

检测工具有其作用，但很有限。它们适合作为高投稿量环境中的第一轮筛查——招生办公室、内容工厂、大型竞赛。它们不适合作为证据。

如果确实使用检测工具，请把结果视为进一步查看的理由，而不是裁决。用多个工具检查同一文本并比较结果。如果它们意见不一致（这很常见），分数就没有意义。即使它们意见一致，你仍然需要人的判断来决定下一步怎么做。

永远不要向投稿者展示检测分数。它证明不了任何事情，而且会破坏关系。如果你不能在不引用工具的情况下说明 AI 使用的可能性，那么你就没有充分依据。

更大的背景：披露优于检测

长期解决方案不是更好的检测，而是围绕披露建立更好的规范。作者应被要求说明他们是否以及如何使用了 AI。编辑应明确什么是可以接受的。小型网站上的诚实 AI 披露应是什么样 提供了一个可行框架。

这需要信任，而这正是检测流程重要的原因。如果你的编辑文化是惩罚性的，投稿者就会隐藏自己的流程。如果它是协作性的，他们就会诚实说明自己使用的工具和方法。目标不是消除 AI 使用，而是确保发表的作品符合你的标准，无论它是如何产生的。

关键要点

• AI 检测工具还不可靠，不能作为证据使用。它们经常产生误判阳性，绝不应作为指控作者的唯一依据。
• 最有效的检测方法是编辑判断：了解你的投稿者，识别风格变化，发现泛泛或含糊的内容。
• 如果你怀疑使用了 AI，应通过澄清问题和修改请求来核实，而不是指控。大多数问题都可以通过沟通解决。
• 在高投稿量场景中，检测工具可以作为第一轮筛查，但结果始终应通过人工审阅确认。
• 长期解决方案不是更好的检测，而是在你的编辑指南中建立更清晰的披露规范和可接受的 AI 使用规则。

FAQ

Q: 我可以相信 AI 检测工具的准确性吗？

不能。当前检测工具的误判阳性率高到不应被用作唯一证据。它们分析的是统计模式，而这些模式在人类文本和 AI 生成文本之间高度重叠，尤其是在模型不断改进的情况下。应把检测分数当作进一步调查的理由，而不是证明。

Q: 如果作者否认使用 AI，但我仍然怀疑，该怎么办？

关注作品，而不是指控。如果稿件不符合你的编辑标准——过于泛泛、缺少来源、偏离约稿要求——就基于这些理由拒绝。你不需要证明 AI 使用，才能执行质量标准。如果合作关系会持续，就明确未来投稿的期望。

Q: 作者使用 AI 作为起草工具是否可以接受？

这取决于你的编辑指南。许多出版物允许将 AI 用于提纲、研究或初稿，只要作者对输出进行实质性修改并完成事实核查。关键在于披露：作者应说明他们如何使用 AI，编辑应判断最终作品是否符合标准。

Q: 如何编写公平处理 AI 使用的编辑指南？

要具体说明什么是可以接受的。例如：“作者可以使用 AI 工具进行研究和拟定提纲，但所有最终正文必须由作者撰写并完成事实核查。最终稿中保留的任何 AI 生成文本都必须披露。”避免一刀切禁令，因为这类禁令难以执行，也会鼓励不诚实。

Q: 如果我判断错了，错误指控了某人怎么办？

立即并清楚地道歉。解释导致错误的原因，承认造成的伤害，并修改流程以防止未来再犯。错误指控会损害信任，但真诚的道歉和流程调整有时可以修复关系。

<!-- tool-cta:start -->

💡 试试这个： 作为比容易引发指控的检测器风险更低的信号，AI Markdown Checker 会检查常常暗示由 AI 起草的格式模式。

<!-- tool-cta:end -->

Sources

• “AI 文本分类器真的很容易被骗过” — Vice, 2023
• “我们测试了 AI 检测器。以下是我们的发现” — The Verge, 2023
• “AI 检测中的误判阳性问题” — Inside Higher Ed, 2024
• “如何识别 AI 生成文本：编辑指南” — Columbia Journalism Review, 2023