論文AI檢測,正在逼瘋這屆大學生
圖片來自：小紅書@Darer
在就業市場都要求這些應屆生要掌握 AI 技能的當下，合理地使用 AI 反而應該是大學教育裡要給出引導，而非與 AI 徹底切割。
搞懂 AIGC 檢測的基本邏輯
AIGC 檢測結果為什麼總像是隨機生成的？它的檢測邏輯究竟是什麼？畢竟只有理解它的原理，才能在“降 AI”時對症下藥。
傳統的論文查重主要是與已有文獻數據庫進行比對，查重報告會明確告訴你是哪些段落和哪篇文獻重復了。
所以對於傳統“降重”，前人已經摸索出壹套有效的“打法”，比如改寫句子結構、同義詞替換、翻譯成小語種再翻譯回中文……總之，只要能避開與已存在文獻的重復，就能過關。
但到了 “降 AI ”這裡，這些已有的經驗似乎都失靈了：
AIGC 檢測更像壹個黑箱，標准不明。目前任何壹種檢測手段都無法保證 100% 判定哪個是 AI 寫的，哪個是人類寫的。因此，檢測系統通常都會給出壹個 AIGC 疑似值。
雖然說這只是“疑似度范圍”，系統也聲明“檢測結果與論文質量無關”，但壹旦超過某個數值，論文就會實打實地不通過啊，讓人有種無處申訴的無力感。
去年人大新聞學院副教授董晨宇也要在 AIGC 檢測中被迫“自證清白”：他的研究團隊的壹篇耗時叁年、基於真實案例撰寫的關於直播產業的研究論文，卻被某論文檢測平台標注為“高度疑似AI生成”。
：https://www.bilibili.com/video/BV1WK7fzNEa5/?spm\_id\_from=333.337.search-card.all.click&vd\_source=2304bb3a0ff80390775707914f5ee0ed
所以，AIGC 檢測真的就是“黑箱”嗎？它的基本邏輯究竟是什麼？
基於知網在 2023 和 2024 年發布的兩個專利，我們也可以總結目前知網 AIGC 檢測的底層邏輯和流程：
第壹階段：信息量差值檢測（基於 2023 年專利）
輸入文章，按學科分類
用大語言模型改寫文章，計算原文與改寫版的信息量
差值差值小 → 可能 AI 生成；差值大 → 可能人類寫作
第贰階段：多特征分析（基於 2024 年專利）
使用文本分類模型計算 AI 生成概率
分析邏輯偏離度、詞匯擴散度、句子長度、字詞分布等特征
[加西網正招聘多名全職sales 待遇優]
這條新聞還沒有人評論喔，等著您的高見呢
在就業市場都要求這些應屆生要掌握 AI 技能的當下，合理地使用 AI 反而應該是大學教育裡要給出引導，而非與 AI 徹底切割。
搞懂 AIGC 檢測的基本邏輯
AIGC 檢測結果為什麼總像是隨機生成的？它的檢測邏輯究竟是什麼？畢竟只有理解它的原理，才能在“降 AI”時對症下藥。
傳統的論文查重主要是與已有文獻數據庫進行比對，查重報告會明確告訴你是哪些段落和哪篇文獻重復了。
所以對於傳統“降重”，前人已經摸索出壹套有效的“打法”，比如改寫句子結構、同義詞替換、翻譯成小語種再翻譯回中文……總之，只要能避開與已存在文獻的重復，就能過關。
但到了 “降 AI ”這裡，這些已有的經驗似乎都失靈了：
AIGC 檢測更像壹個黑箱，標准不明。目前任何壹種檢測手段都無法保證 100% 判定哪個是 AI 寫的，哪個是人類寫的。因此，檢測系統通常都會給出壹個 AIGC 疑似值。
雖然說這只是“疑似度范圍”，系統也聲明“檢測結果與論文質量無關”，但壹旦超過某個數值，論文就會實打實地不通過啊，讓人有種無處申訴的無力感。
去年人大新聞學院副教授董晨宇也要在 AIGC 檢測中被迫“自證清白”：他的研究團隊的壹篇耗時叁年、基於真實案例撰寫的關於直播產業的研究論文，卻被某論文檢測平台標注為“高度疑似AI生成”。
：https://www.bilibili.com/video/BV1WK7fzNEa5/?spm\_id\_from=333.337.search-card.all.click&vd\_source=2304bb3a0ff80390775707914f5ee0ed
所以，AIGC 檢測真的就是“黑箱”嗎？它的基本邏輯究竟是什麼？
基於知網在 2023 和 2024 年發布的兩個專利，我們也可以總結目前知網 AIGC 檢測的底層邏輯和流程：
第壹階段：信息量差值檢測（基於 2023 年專利）
輸入文章，按學科分類
用大語言模型改寫文章，計算原文與改寫版的信息量
差值差值小 → 可能 AI 生成；差值大 → 可能人類寫作
第贰階段：多特征分析（基於 2024 年專利）
使用文本分類模型計算 AI 生成概率
分析邏輯偏離度、詞匯擴散度、句子長度、字詞分布等特征
[加西網正招聘多名全職sales 待遇優]
| 分享: |
| 注： | 在此頁閱讀全文 |
| 延伸閱讀 |
推薦: