人工智能检测给出的分数，不能当成谁写的证明。它在两头最有把握：通篇是人写的，通篇是机器写的。日常稿是混在一起的，人写一段、机器写一段、再接起来。分数在这种稿上最不稳，而你要判的正是这种稿。分数可以进线索栏，不能进处分栏。句子更可预测的人，包括不少用第二语言写得规矩的人，更容易被标成机器。标的是文风，不是作者。

人工智能检测痛点在用极端样本给日常稿定罪

有人拿从全人写到全机器写的作文去跑检测。两头干净的，工具还对付得了。纯人写的常常放行，纯机器写的常常抓住。一到中间那种缝合稿，它报不出机器写了多少，而这正是收上来的作业和稿件的常见样子。工具在没有争议的两头最自信，在真正要判断的中间最迷路。一个测试说明的是失败的形状，这个形状在别的检测上会再出现。

偏误也写在测量里。有人把非母语者的真人考试作文送进多个检测，平均大约六成被标成机器写的，几乎每一篇至少被其中一个标过。母语者的真人作文接近不被标。检测看的是用词有多可预测。第二语言往往更贴近课本、更少绕弯，所以更可预测。新的检测若仍量这件事，偏误会继承下去，不会因为换了一版就消失。写得规矩、少说我觉得的人，会先被怀疑。

模型越会像人写，最好的检测也会越接近抛硬币。轻改写就能绕过现在这些工具。把误报压下去，就漏掉真用过机器的稿。把检出抬上去，就多冤一批人。没有一个阈值两边都占。水印要对方配合，换一个不带水印的入口就没了。文件来源标记在人自己重打一遍之后也没了。机构真正在买的，仍是只看正文的那个分数。

人工智能检测五步：分数只做线索、先认混写、文风先假定不是作者、要过程稿、旧稿不能补处分

1. 分数只进线索栏。处分栏没有过程材料，不得引用分数。
2. 先看是不是混写。用纯样本调通的工具，不得直接判混写稿。
3. 第二语言或少用模糊词的稿被标了，先假定是文风，再找过程。
4. 要的材料是过程：当时的提示、废弃稿、自己改过的句子。问所有人，不问某一个看起来像的人。
5. 没有过程稿的旧作业，分数单独不得成立。补不了过程，就改考核，不补一个处分。

上表里，只有最后一行能进入讨论。前四行都还停在线索，停不住处分。

人工智能现场怎么把分数从成绩里拿掉

检测结果不进成绩字段，只进教师或编辑的可选备注。备注模板第一行是是否看过过程稿。没看过，备注存不下来。这样流程上就做不到口头说仅供参考、系统里却自动送审。

申辩时，交出废弃版本和自己删掉的句子，比再跑一次检测有用。再跑一次还是同一个测量，测量不稳定，第二次分数不能给第一次平反，也不能加码。我们见过几乎不用模糊词、按自己母语习惯直接把事情说完的稿被标得很高。那是文风，不是作者身份。把它当身份，受伤害的是最没力气争的人。

就算将来分数完美，把它当成默认怀疑，批改就会变成审查。每一份稿先被假定有问题。禁止又执行不了的时候，使用会转到私人的、不留记录的入口，你更看不见，也更教不会人什么时候该用、什么时候该停。看得见的过程，比一个追不上的禁令有用。

人工智能常见翻车是用分数做一份嫌疑名单

把分数排序，抓最像机器的前百分之几集中审查，是把偏误放大成名单。可预测的文风会稳定地排在前面。名单一旦发出，后面的谈话就从怎么写变成你是不是。谈话的性质已经变了，再补一句我们只是问问，收回不了。

另一类翻车是制度写可辅助，流程上分数一过线就自动进处理委员会。文字是辅助，流程是处分。看流程，不看政策引言。

让作者用检测自证清白，是第三次使用同一个不稳的测量。自证失败会被读成心虚。自证成功也只说明这一次没被标中。两种结果都不回答谁写的。没有过程稿，这案停在线索，不升级。升级了的，退回，并写明退回原因是分数被当成了证明。退回记录本身要保存，防止下一季换一个检测之后，同一批稿被重新排队。

结论：人工智能检测分数只说明正文有多可预测，不说明作者是谁

两头纯的样本准了，判不了中间的混写。第二语言写得规矩，不是机器稿的证据。要看的是过程，不是再买一个分数。

你下次看到一个很高的检测分，先问这是不是混写、有没有过程稿、作者是不是用更可预测的方式在写。三格空着，先不要把它写成谁写的。

本文侧重全链路风控方法论。落地时请用自身业务单据做回放验证，不要把示例阈值直接当生产策略。 相关：风控体检 · 方案资源