这个问题下面通常有两种回答:一种说「检测就是玄学,别信」,一种说「你肯定用了 AI,别装了」。
两种都不太对。检测确实有误判,但误判不是随机的,它有明确的成因;而「自证」也不是靠吵架,是靠过程证据。
先把机制说清楚。
一、检测在测什么
大多数文本检测模型看的是两类信号:
困惑度(perplexity)。 简单说就是「这段文字在语言模型眼里有多可预测」。AI 生成的内容倾向于选择高概率的词,所以困惑度偏低;人写东西会突然用个怪词、来个跳跃,困惑度偏高。
突发性(burstiness)。 指句子长度和复杂度的变化幅度。人写作时长短句交替,情绪上来会写短句,解释概念会写长句;AI 的输出更均匀,句长分布集中。
这两条合起来,就解释了很多误判:如果你的写作风格本来就「均匀、规范、可预测」,就容易被判成 AI。
二、哪几类人最容易中招
按我见过的案例排:
1. 写惯了公文和报告的人。 句式工整、逻辑连接词密集(「首先」「其次」「综上所述」)、几乎不用口语。这类文本的困惑度和突发性都低,和 AI 输出的统计特征高度重合。
2. 非母语写作者。 用词偏保守、句式偏标准、很少用俚语和省略。不是写得不好,是「太规矩」。
3. 学术写作。 被动语态多、术语密度高、引用格式固定。尤其是文献综述部分,本来就要求客观、去个人化。
4. 被 AI 润色过的人。 这是最容易产生争议的一类。你自己写了初稿,用 AI 改了语法和措辞,最后成文的语言特征确实被「AI 化」了。检测说「有 AI 参与」,严格讲没说错——只是它分不清「AI 生成」和「AI 润色」。
5. 模板化写作。 产品说明、活动文案、SEO 文章,本来就有固定结构。结构越固定,越像 AI。
6. 短文本。 一段 200 字的评论,统计特征根本不够,模型只能靠先验猜。短文本的误判率天然更高,这是所有检测器的通病。
三、自证:拿过程,不拿结论
被误判后最常见的反应是「我真的没写」,但这句话没有信息量。有效的自证是提供写作过程的时间线:
- 文档版本历史。 Word、飞书、Notion、Google Docs 都有。能看到从空白到成稿的多次修改,比任何解释都有力。
- 草稿和素材。 大纲、笔记、参考链接、截图。尤其是那些「写废了又删掉」的段落。
- 写作时间分布。 一篇文章写了三个晚上,和「三分钟生成」,在版本历史里是一眼能看出来的。
- 引用来源。 你引用的文献、数据、案例,能对应到具体出处。
- 外部佐证。 和编辑的沟通记录、发布前的讨论、同主题的早期文章。
反过来说,如果你什么过程记录都没有——直接在一个空白文档里粘贴成稿——那确实很难自证。这不是检测的问题,是工作习惯的问题。
四、怎么降低被误判的概率
注意,这里说的不是「怎么绕过检测」,而是怎么让你的写作保留人的特征。这两件事看起来像,其实完全不同:前者是对抗,后者是诚实。
1. 保留写作过程。 别在一个文档里从零写到尾再删干净。留草稿,留批注,留「这段重写了三遍」的痕迹。这既是自证材料,也是真实写作的自然产物。
2. 不要用 AI 润色全文。 局部改语法没问题,整篇过一遍「让表达更流畅」,等于把个人语言特征全部替换成模型的输出分布。真被判定有 AI 参与,你也说不清。
3. 写具体的东西。 具体的时间、地点、数字、亲历细节,是 AI 最难伪造的部分,也是检测器最认的「人味」。一段「上周三在客户现场,他们的服务器还在用 CentOS 7」比十句「随着数字化转型的深入」有用得多。
4. 允许自己写得不整齐。 该用短句就用短句。该重复就重复。人写东西本来就不会每段都结构完整、每句都主谓宾齐全。
5. 短文本别太当真。 如果你只是写了一段两百字的评论被判成 AI,大概率是样本太少,不用太焦虑,也不用为了这个改写作风格。
五、申诉怎么说
申诉的关键是给证据,不给情绪。一个可用的模板:
您好,我的文章《XXX》(链接)被判定为 AI 生成,我认为存在误判,补充以下材料:
- 文档版本历史(附件 1):显示从 10 月 8 日到 10 月 12 日共 17 次修改,包含大纲、初稿、两次结构调整;
- 写作素材(附件 2):包含 6 篇参考文献的阅读笔记和 3 张现场照片;
- 文中第三部分引用的数据来自《XXX》第 42 页,可核对;
- 我此前在同专栏发表过 4 篇同主题文章(链接),写作风格一致。
如仍需进一步核实,我可以提供文档的完整编辑记录。感谢。
不要写「你们的检测就是垃圾」「我发誓我没用 AI」。前者会让对接人 defensive,后者不构成证据。
同时要有心理准备:不是所有平台都有申诉通道。遇到没有申诉渠道的平台,能做的只有换平台,或者以后养成留过程记录的习惯。
六、平台应该负的责任
说句公道话,误判的主要责任不在用户,在平台。
一个负责任的检测系统至少要做到三件事:
- 给概率,不给判决。 输出「疑似」,而不是「确认」;
- 提供申诉入口,并且有人处理。 申诉不是摆设;
- 用账号维度聚合,而不是单条定罪。 一个作者写了 50 篇,49 篇正常、1 篇被判 AI,和 50 篇里 40 篇被判 AI,处理方式应该完全不同。
只用单条结果做处罚,误伤率一定高。这不是模型精度的问题,是产品设计的问题。
利益相关:我们在做文识云(sbnew.top),提供 AIGC 检测接口。上面关于误判成因的描述,是我们自己在做检测时最头疼的部分——短文本、润色文本、模板化文本,这三类的边界本来就模糊。