概率为什么不是唯一结论
“AI生成概率为某个数值”表达的是模型基于文本特征作出的评估,不是“作者有这么大概率使用过AI”的直接测量,更不是已经核实的创作事实。
模型看到的是提交文本,而不是作者写作时的屏幕、搜索记录和修改过程。模板化句式、翻译痕迹、专业术语或短文本都可能影响输出;同一篇文章在截取范围、段落划分变化后,也可能得到不同线索。因此,概率适合用来提示复核方向,不适合独立承担处罚、拒稿或资格认定。
还要区分“分数很高”和“证据很充分”。前者只描述检测输出,后者需要可验证材料支撑。审核记录中应保留这个差别,避免把模型语言直接改写成事实语言。
0、1、2标签与比例分别表示什么
在墨衡逐段报告中,数字标签用于归类段落特征:0表示人工撰写,1表示AI生成,2表示疑似AI。其中“疑似”尤其需要人工查看,它不是介于两种确定事实之间的第三种事实,而是模型对归属更不确定的提示。
| 报告元素 | 可以怎样使用 | 不应怎样理解 |
|---|---|---|
| 0:人工撰写 | 作为该段偏人工特征的提示 | 不能证明全程没有使用任何AI工具 |
| 1:AI生成 | 优先核对语境、草稿和来源 | 不能直接认定为作者违规 |
| 2:疑似AI | 纳入重点复核,补充材料 | 不能忽略,也不能直接按AI生成处理 |
| 整体概率或占比 | 观察全文倾向、安排审核顺序 | 不等于AI写字数占比或作弊程度 |
整体数值和逐段标签回答的粒度不同。整体较低而局部被标注,可能意味着可疑特征集中在少数段落;整体较高而各段表现不一,则需要查看哪些段落贡献了主要线索。不要自行把各段概率做简单平均来“还原”整体值,具体汇总方式应以产品说明为准。
结合创作记录,补上模型看不到的信息
- 固定待复核版本。保存提交原文、报告和检测时间,确保后续讨论的是同一份内容。
- 按时间整理过程材料。查看选题记录、大纲、搜索笔记、草稿、版本历史和编辑意见,关注文章如何逐步形成。
- 让作者解释具体段落。询问论点来源、材料取舍和修改原因,比笼统追问“有没有用AI”更容易获得有效信息。
- 区分辅助与代写。拼写检查、资料整理、翻译和整段生成是不同使用方式,是否允许应依据团队事先公布的规则判断。
创作记录也有局限。一张草稿截图未必能证明全部过程,记录缺失也不自动等于使用了AI。材料之间能否相互印证,比材料数量更重要。
引用复核:既查来源,也查引用是否支持论点
先打开原始出处,核对作者、标题、发布日期和上下文,再检查引文是否准确、数据是否被断章取义。链接真实存在,只能证明来源可访问,不能证明当前段落由人撰写;反过来,表达自然也不能替代来源核验。
对于被标注的段落,可建立简短对照表:原文主张、引用出处、出处实际内容、创作材料和复核意见。若引用无误但语言模板化,可记录为“表达需改进”;若来源无法支撑主张,应按事实质量问题处理,不必借AI标签放大结论。
结论:报告负责提示,人负责说明理由
稳妥的审核意见应同时写明报告线索、核查材料和仍不确定的部分,例如“部分段落需补充创作说明”或“现有材料不足,暂无法判断”。这比只写一个百分比更可复核,也更符合作者申诉和团队归档的需要。