PaperTong · 检测原理手册

AIGC检测原理和改写方法

纯手写原创论文,知网测得AI率86.8%,换成万方、维普等平台,疑似度居然差距二三十个点!其实没有统一的 “AI 判定标准”,各家检测器抓的统计特征不一样,那么AIGC检测原理是什么呢?AI文本的破绽在哪呢?PaperTong为大家介绍。

一、AIGC检测原理

AI生成文本原理,是理解指令,根据上下文预测下一个词的概率,选取一个词并追加到上下文,如此循环一点点拼接出全文。而选词的策略就是识别AIGC的关键!

但是AIGC检测给出的是统计意义的概率,不是对文本来源的认定。主流有三种鉴别方法:困惑度与突发性、机器学习预测、水印信号鉴别。

困惑度和突发性

困惑度衡量文本的意外程度。模型总是挑概率高的词,句子之间过渡得很平稳,困惑度偏低;人写作想到哪写到哪,用词跳脱,常常蹦出模型想不到的词。

突发性衡量词频或词间间隔的波动程度。AI文本趋于均匀,而人类写作长短句交替,倾向于在局部簇拥集中出现,波动剧烈。

同样夸一份炸鸡,一个平,一个跳

食物口感很好,配送速度很快,包装完整。

容易预测

炸鸡很脆,但辣得我鼻涕泡都出来了。

难以关联

AI文本特征很典型:低困惑度、低突发性。词语分布均匀,无起伏,情感风格平淡。

机器学习预测

训练一个判别模型,输入人类文本和AI文本,直至学到特征规律。但容易误判,现在用得越来越少。

水印信号鉴别

大模型生成时会悄悄调整部分词语的出现概率,统计这些词的频率是否过高,即可判定是否AI生成,这就是隐形水印。

这种水印信号依赖于特定的选词模式也是很多润色工具的原理。

水印词被换掉,AI 特征随之降低。这是水印方法的缺陷。

二、AI文本的破绽

AI生成文本的原理,觉得它必然有固定的规律和特征,PaperTong为大家整理。所有破绽都指向同一件事:AI 文本太均匀了——词与词之间、句与句之间、段与段之间,都缺少人写作里那些偶然的起伏。

1滥用转折词、衔接词

AI偏好"综上所述"、"值得注意的是"、"不仅……而且……"这类对仗结构,喜欢强行关联不同的逻辑。尤其是长文本,这些词语遍布全文,极其冗余。

连接词:把段落缝成一条直线

同一个意思,AI 习惯先「综上所述」再「值得注意的是」最后「不仅……而且……」。这些词不携带任何信息。

2滥用程度词、安全词

AI常用“核心”、“重要”、“极其”、"在当今快速发展的社会背景下""具有重要意义""提供了新的思路"等等宏观抽象、信息量极低的冗余词句。删掉它们,句子语义完全不受影响。

删掉它们,意思一点没变

抽掉这些词,句子照样通顺,意思一点没变。

3描述食物不具体、细节少

AI倾向于安全、概括地表达事物,总是浮于表面,点到为止,无法深入细节。擅长写通用结论,缺乏限定条件。

一句话里的细节维度

AI 只给结论,人会写细节

4通篇结构过于工整。

AI习惯总分总结构、小标题层层递进、每段一个中心句,尤其是在公文、论文领域,AI更加明显。人类文本通常没那么齐整。

骨架:太工整,就成了破绽

AI行文:总分总、层层递进、每层一样长。人的行文:有长有短、有枝杈、没有收尾。

三、改写技巧

  1. 删转折词、衔接词 铺垫、总结、意义升华,删掉不损失信息的词语。提高信息密度上去了,困惑度自然升高。
  2. 拉大句长落差。 长短句混排,该短就短。段落越平越像机器。
  3. 换掉高频连接词。 "综上所述"改成"回到第X节的问题"。"值得注意的是"直接删。"不仅……而且……"拆成两个独立短句。
  4. 增加判断细节。 把通用结论落到具体章节、具体数据、具体边界条件。"具有重要意义"换成"这个结论只在X条件下成立,因为……"
  5. 调整顺序。 先写通顺的初稿,再整体过一遍:换序、拆句、加限定。边写边AI润色,满篇都会是均质的平滑文本。
01
通顺初稿

构思大纲,生成全文初稿

02
换序

整理排版,优化结构

03
拆句

「不仅……而且……」拆成两个短句

04
加限定

落到具体章节、数据、边界条件

四步做完,困惑度自然升高、突发性自然放大——检测器读到的是形状,不是内容。

纯人工调整比较耗精力,市面上也有不少文本润色辅助工具,可以用来自查、辅助调整,但工具输出一定要逐句人工核对,不能直接照搬。

PaperTong(papertong.cn)提供AIGC检测与文本改写辅助,支持文本/文件处理。每周上万免费次数、价格极低,推荐使用我们的服务!但是您务必确认生成的质量哦。

四、写在最后

文章的本质是是人的研究、论证和思考。任何工具、行文优化方法,都不能替代独立思考。