如果对论文中的AIGC检测率感到忧虑的话，那么本文会把从“弄明白原理”到“复检达到标准”的整个过程全部展示出来。内容偏向于实际操作，可以收藏起来，并且在看完之后再对照着自己的检测报告来看。
大部分同学的第一感觉就是“我自己写的东西为什么被说成是人工智能率高呢”。要回答这个问题首先要了解检测系统的计算方法是什么样的。
只看数字特征，不关心内容正确与否。主要就是这些维度：
| 检测维度 | 说明 | AI文本特征 | 人类文本特征 |
|---|---|---|---|
| 困惑度 | 用词的可预测程度 | 低——总选最高频词 | 高——会有多样化、不按常理出牌的表达方式 |
| 突发性 | 句子长短的起伏 | 低——句长分布比较一致 | 高——长短句交错 |
| 连接词密度 | 研究显示“综上所述”等出现次数为 | 高是人的三到五倍 | 低——自然分布 |
| 信息密度分布 | 段落是否详略得当 | 均匀，段落长度接近 | 有详有略，起伏明显 |
主要认知：这几个方面是从统计学的角度来考虑的，并不涉及词汇层面。因此就可以理解为只替换同义词没有意义的原因是什么——你是改变表面的东西，而底层的数据分布曲线并没有发生任何变化。
这也说明了另外一个常见的现象：人们的手动修改使人工智能率并没有降低反而上升。人脑的本能就是“使句子更流畅”，而**“通顺、规范、没有错误”正好是人工智能文本最突出的特点**。你改得越熟练，就离人工智能越来越远。
让人感到最糊涂的就是同样的文章，在A平台上是35%，而到了B平台就变成了62%。
并不是因为谁测量错了，而是各个公司的算法权重、判断阈值不一样。
| 平台 | 算法倾向 | 特点 |
|---|---|---|
| 知网 | 侧重词汇使用概率 | 高校覆盖范围最大，“人机混写”（一部分是人工智能、另一部分是人工）的识别比较敏感 |
| 维普 | 特征工程，多维度综合 | 一般情况下，判断要比知网严格一些，并且同一篇文章的数据也常常更高 |
| 万方 | 集成学习，多模型综合 | 结果比较平和，注重逻辑上的连贯性 |
| 大雅 | 侧重句式与语法层面 | 对模板化表达识别直接 |
| PaperYY | 针对论文场景来说，维度比较全面 | 经常被用作除了知网以外的一个自测参考资料 |
| 朱雀 | 侧重文本生成特征识别 | 对于大模型输出的敏感度较高 |
但是要注意一点：六个平台底层所看到的是同一组统计数据特征，区别仅仅在于权重不同。因此正确的策略并不是“对某个平台进行优化”，而是在底层特征上使文本回到人的自然范围之内——这样的话不管学校用哪一个平台都可以站稳脚跟。
选择工具的重要依据是：
如果一个工具只说自己是“专攻知网”的话，就要小心一些。原因一般是它只有针对知网通的规则一套，并且换了一个平台就不行了。“套壳”方案一般指的是这样的情况：后端调用通用的大模型加上人工调整后的提示词，在每个平台上都要多维护一份prompt的人力有限的情况下只能做好一两个。
真正的底层特性是使用一个模型来适应不同的平台。可以用“覆盖平台的数量”作为快速判断的标准之一。
不能跳过这个步骤就直接动手去做。如果没有报告的话，你就不会知道应该修改什么部分了，所以只能把全文全部修改一遍，正确的部分会被浪费掉，而错误的部分又得重新寻找出来。
拿到自己学校指定平台上的报告之后，标红的地方就是你要瞄准的目标。超标的分布一般是有规律的：
记录下现在的数值作为参考值。
各个学校的标准不一样，参考范围是：
以你学校指定的平台的数据为准，其他的平台上的数据仅供参考。
在处理之前把这几种东西带出来：
因为检测系统通常不会对它们进行检查，所以一并提交就是浪费了；另外，在表格公式被处理之后排版会变得杂乱无章，你还要手动调整回来。
手动画适合于AI率小于20%，只需要对一些句子做小幅度修改的情况。要注意上面所说的天坑——很容易越改越多，修改之后要再检查一遍。
对于AI率大于30%或有大量红色句子的情况来说，用工具来处理会更有效率一些。
选择工具的时候要参考这四条标准：
处理之后要通读一遍，并且主要检查三个方面的内容：
这一步没有一样东西可以代替。
必须使用与你所在的学校相同的平台进行复核。不能用知网处理、维普验证来对比——数据不具备可比性。
达到标准即使完成了；如果还有差距的话，就将剩下的红色部分重新处理一次。
上面所说的流程、标准等，在我们做学术牛的时候要解决的就是这样的问题。
覆盖主要检测平台。知网、维普、大雅、万方、PaperYY、朱雀等我们全部都支持，并不需为适应不同的平台而更换工具。底层是根据统计特征进行重构，而不针对某个具体的平台来调整规则，在平台算法更新的时候也可以保证稳定性。
降低重复率和降低人工智能率一次完成。提供三种方式：减少重复度（深）、减少人工干预比例以及减小重复性与人工干预共同影响的程度。把两次修改的目标放在了一次优化之中来执行，并不会出现“做完一个就跳到另外一个去”的情况了，也就不需要再购买两次服务了。
术语保护机制。在处理之前会对全文的专业术语进行识别并标注出来，在修改的时候就不要改动这部分了，只需要对句子结构、语速等一般性维度做修改即可。处理完成后建议通读一下以保证没有问题。
人工智能率预测的功能。按照我们的设计来判断的话，它的标准要比主要平台要高一些，在10%以内的范围之内的话，对应的平台基本上可以保证通过了。如果还不确定学校使用的是哪个平台，可以先用它自己测试一下，给自己留有余地。
计费方式为每个小时九点九元，没有字数限制。这是特意挑选出来的计费方式。按照千字来计算的话，长篇大论或者“修改之后还要再调整一次”的话都会产生额外的成本；而按照小时不限字数的方式进行计费，在此期间可以任意多次尝试、修改，并不需要每一次改动都要重新计算一次费用。
如何操作：打开xueshuniu.cn网站后上传论文或者粘贴文本，并且选择好相应的检测平台以及处理方式之后就可以直接进行一键修改了。建议先用最难的一段来试试看，看看结果是否通顺、有没有把术语弄错了，在确认没有问题的情况下再对全部内容做一次处理。
问：人工智能率与重复率相同吗？
并不是。AI率是看“这段是不是机器生成的”，而查重率是看“这与已有的文献是否一致”。两个独立指标，任一一项超标都不能通过。
Q：经过处理之后的语言风格会改变吗？
改变的是形式上的东西，但是主要观点和术语不会变。但是最好在处理完毕之后自己再通读一遍以作最后的确认。
Q：要提前多长时间进行处理？
处理速度很快，万字论文只需要几分钟。但是建议最好提前一两天做好“检测-处理-复查-微调”的全过程预留时间的工作。如果第一次没有达到标准的话还可以再修改一次。
Q：上传的文件是安全的吗？
只在此次使用中有效，不作他用。具体的条款可以参见网站上的《隐私政策》。
必须说明的一点是：降低人工智能率解决的是“表达方式”的问题，并不等于替人想明白研究本身。
工具可以帮你消除文中出现的机器痕迹，但是论点、数据和结论必须是真实的。学术诚信这方面的内容任何一种工具都无法帮助到你，并且不应该被它所代替。
把它看作是一个“让人说的话”的工具，检测是形式上的东西，研究本身才是实质性的内容。
祝顺利通过。
上一篇：花一周把 AI 率从 62% 改到 78% 后来我才想明白：正确的顺序比努力更重要