ai-check

AI-Check Skill

AI 生成の兆候をテキストから鑑定・分析します。公開されている検出に関する研究（Wu et al. 2025、Mitchell et al. 2023、Kujur 2025、AAAI 2025 shared task）に基づいています。

出力は曖昧な判断ではなく、構造化されたレポートです。検出された兆候はすべて、証拠を示します。

---

9 つのシグナルカテゴリ

各カテゴリを 0〜3 で採点します。

• 0 = シグナルは検出されない（人間が書いた文章と一致）
• 1 = 弱いシグナル（AI 生成の可能性があるが、人間による文章の可能性もある）
• 2 = 中程度のシグナル（AI によく見られるパターンの可能性が高い）
• 3 = 強いシグナル（ほぼ確実に AI によるパターン）

重大度とスコアの対応（すべてのカテゴリに適用）：

カテゴリ内の証拠	スコア
フラグが立つ箇所なし	0
弱い箇所が 1 つ、または具体的な引用を伴わない漠然とした違和感	1
中程度の箇所が 1 つ、または弱い箇所が 2 つ以上	2
強い箇所が 1 つ、中程度の箇所が 2 つ以上、または弱い箇所が 4 つ以上	3

二重カウントの方針： 1 つのフレーズが複数のシグナルを本当に示す場合でも、そのフレーズが該当できる異なるシグナルは最大 2 つです。例：「it is important to note that」はシグナル A（避けるべき語彙）とシグナル C（組織的なヘッジ表現）の両方に該当します。両方に記録しますが、同じフレーズを同一カテゴリ内で別々の弱い箇所として二重カウントすることはできません。

合計スコアの上限： 9 カテゴリ × 3 = 最大 27 点。

シグナル A：パープレキシティ（単語の予測可能性）

極めて無難で予想どおりの語彙に注目します。技術的には正しくても、知識のある人間なら選ばないような、最も正確でも興味深くもない表現です。

フラグの例：

• 専門分野に即した表現がふさわしい箇所で使われる一般的な動詞（「untangle」ではなく「address」、「wire up」ではなく「implement」）
• 情報を付け加えずに説明する形容詞（「significant improvements」、「notable progress」、「key challenges」）
• 具体性を犠牲にして安全性を優先する、ヘッジを含む主張（「can often lead to」、「may result in」、「tends to」）
• AI によく使われる定型語彙リストのいずれか： delve, leverage（動詞）, utilize, robust, comprehensive, streamline, foster, facilitate, pivotal, nuanced, notable, notably, enduring, garner, it is worth noting, it is important to note, multifaceted, in the realm of, the landscape of, a myriad of, a plethora of

該当した正確な単語またはフレーズを示します。

シグナル B：バースト性の不足（文の均一性）

テキスト全体での文の長さのばらつきを測定します。

フラグの例：

• 同じ長さの範囲が 5 語以内に収まる文が 3 文以上連続する
• 150 語のブロック内に 8 語未満の文がない
• 機械的なリズム — 文章を声に出して読むと、自然な変化ではなく一定の調子になる
• 強調のための断片的な文が使われていない

報告：文の長さを順番に列挙します（例：「14、16、13、15、17 — 5 文が連続し、長さの差が 4 語以内です」）。

シグナル C：ヘッジ表現の密度

断定を和らげる語や認識上のヘッジ表現を数えます。

フラグの例：

• 直接断定すべき箇所で「often」、「generally」、「typically」、「in many cases」、「it can be argued」が使われている
• 「it is important to note that」、「it is worth mentioning」、「one might consider」
• 自明なトレードオフを外交的に表現する言い回し：「while X has benefits, it also presents challenges」
• 人間らしい表現（「これが……の場合にも当てはまるかは、よくわかりません」）ではなく、組織的なヘッジ表現による不確実性の表明（「results may vary」）

ヘッジ表現をそれぞれ引用し、真の不確実性によるものか、反射的な婉曲表現かを記してください。

シグナル D：構造上の兆候

内容にかかわらず、AI が押し付ける文書構成のパターンを探します。

兆候：

• prose のほうが適している箇所で箇条書きを使っている
• トピックセンテンス＋根拠＋トピックセンテンスの言い換え（人間は言い換えを省きます）
• 締めくくりの段落が「結論として／要約すると／まとめると」で始まる
• 「この［投稿／記事／セクション］では、〜します」で始まる
• 実際には順序が重要でない内容に番号付きの手順を使っている
• すべての段落に三部構成を当てはめている（導入、本文、結論という小さな単位での構成）
• 三項並列構造： 文法上同じ形を持つ例や要素が3つ並んでいる 例：「あなたは X。Y。Z をしますか？ あなたは X。Y。Z をしますか？ あなたは X。Y。Z をしますか？」—完全に対称な 三つ組は、AI が文章に組み込んだものです。実際の書き手は、例を2つにしたり、形を変えたりします。 重大度：高。
• 段落ごとに完璧にまとまった構成： すべての段落が、物語上の役割を一つだけ担い、筋書きをきれいに進めている（設定 → 緊張 → 教訓 → 根拠 → 振り返り）。個人的な文章では、話が脱線したり、二つの役割を担ったり、結論が曖昧なまま終わったりする段落が実際にはあります。すべての段落がきれいにまとまっている文章は、人間の文章にはない、構成上の完璧さを備えています。重大度：単独では中程度、ほかの兆候と組み合わさると高。
• 三幕構成の Slack／進捗報告： 非同期のカジュアルなメッセージで、達成事項 → 注意点 → 次のステップという流れが、導入／本文／結論にそのまま対応しています。実際の進捗報告では、話が前に戻ったり、メッセージの途中に別の考えが加わったり、構成に合わない内容で終わったりします。
• 藁人形論法へのすり替え： 「X を支持する理由は Y ではなく、Z です」／「問題は X ではなく、Y です」。実際に言いたいことを述べる前に、それが何ではないかを持ち出しています。 実際の書き手は、要点から書き始めます。重大度：中程度。

シグナル E：具体性の不足

主張が具体的な詳細に基づいているかを評価します。

兆候：

• 数字、名前、時間の参照、例を示さない抽象的な主張：「多くの組織が採用しています……」
• 行為者を曖昧にする受動表現：「〜であることが判明しています」「研究によると」
• 万人に当てはまるような表現：「チームはよく〜します」「開発者は頻繁に〜に遭遇します」（誰にでも当てはまる一方、特定の誰にも当てはまりません）
• 疑わしいほど一般的、または説明にぴったりすぎる固有名詞の例（AI は、文脈を伴わずに「Netflix」「Amazon」「Stripe」のような典型例を選びます）

報告：根拠が示されていない主張を、それぞれ引用します。

シグナル F：接続語の指紋

文や段落をつなぐ表現を記録します。

フラグ（AI の強い兆候）：

• 段落の冒頭で「さらに、」を使う
• 段落の冒頭で「そのうえ、」を使う
• 段落の冒頭で「加えて、」を使う
• 「明らかなのは」
• 「これは〜の重要性を際立たせる／強調する／示す」
• 「前述のとおり」
• 「上記に加えて」
• 「言うまでもありません」
• 「もちろん」

フラグ（中程度の兆候）：

• 「しかし、」を 200 語につき 1 回より多く使う
• 「したがって、」を、根拠のある結論ではなく、機械的な論理の接続表現として使う
• 転換や発見として「Turns out」／「it turns out that」を使う。 AI はこれを使って、発見の物語を装います。「Turns out the config had a lower timeout」→「The config had a lower timeout」。該当する箇所をすべて引用してください。深刻度：中程度。
• チュートリアル調の転換表現：「標準的な修正方法は…」「一般的なアプローチは…」「理屈の上では簡単です」――これらは、これから述べる内容を個人的な経験ではなく、既成の知見として位置づけます。技術文書では強い兆候です。
• 告知コロンのパターン：「私が使うルールは次のとおりです：」「重要なポイントは次のとおりです：」「ここでのアプローチは次のとおりです：」「もうひとつ言っておきたいのは：」――明かす前に予告しています。深刻度：中程度。コロンなしでも該当します。「予想していなかったのは…」「驚いたのは…」「気づいたのは…」なども、告知文です。兆候はコロンではなく、告知する構造です。
• **パターンの告知：**説明に入る前に、あるパターンが存在すると述べること。「パターンはほぼいつも同じです」と述べてから、そのパターンを説明します。実際の書き手は、そのままパターンを説明します。

シグナル G：句読点の指紋

AI に見られる句読点の兆候を 3 種類数えます。

**ダッシュ：**ダッシュの総数を数えます。300 語につき 1 個を超える場合は兆候です。具体的なサブパターン：

• ダッシュで囲む表現（— このように —）は、ほぼ確実に AI のパターンです
• 転換としてのダッシュ（「スプリントの途中ではなく — そしてオンコールのローテーションは」）は、文中の 2 つの項目をつなぐリスト接続用のダッシュです
• 挿入句を示すダッシュ（「X — 注目に値しますが — Y」）は、劇的な挿入句としてのダッシュです

正確な個数、位置、該当するサブパターンを報告してください。

**セミコロン：**学術文ではない文章で、独立した 2 つの節をつなぐセミコロンはすべてフラグです。正確な個数を報告してください。例外：コンマを含むリスト（「Austin, TX; Denver, CO」）。

**文中のコロン：**不完全な節の後に続くコロン（「問題点：誰もこれをテストしていない」／「答え：もっと早く始める」）は、AI に見られる構文パターンです。該当する箇所をすべて報告してください。

シグナル H：語り口と文体

人間らしさの痕跡がないかを確認します。

兆候：

• 一人称が自然な文章なのに、どこにも一人称の視点がない
• 説明や意見を述べる内容なのに、二人称で直接呼びかけていない
• 一貫して「洗練された中立的な口調」で、個性の揺れや粗さ、急なくだけた表現がない
• 話題をつなぐための修辞疑問文がない
• 自己訂正や、考えの途中での留保がない（「実際は、それは少し違います」など）
• 冒頭の文が、考えの途中や場面描写からではなく、主張、定義、または背景説明から始まっている

文体の崩れ（Slack／くだけた文章）： カジュアルな文体の文章で最も見落とされやすいシグナルです。AI が書く Slack メッセージは、くだけた表現を少し散りばめただけの、洗練された進捗報告のように読めます。次の点に注目してください。

• 全体を通して、完全で整った文ばかりになっている — 実際の Slack には断片的な表現があります
• 短いメッセージでも、段落ごとに話題が整理されている
• くだけた表現の下に、格式ばった語彙がある（文そのものは整った文章なのに、~60% や lmk が使われている）
• メッセージの途中での自己訂正がない（「あ、あと。今気づいたんですが……」など）
• くだけた表現の下にも、三部構成（達成事項／留意点／次のステップ）が保たれている
• 数字を近似値の数字表記（「~3 incidents」「<10min」）ではなく、単語で表記している（「three incidents」） 深刻度：くだけた表現がある一方で、文章の構成が洗練されている場合は強い兆候です。

メール／ビジネス文書の定型的な結び： 「そのほうがよろしければ、喜んで電話でお話しします。」 「ご質問があればお知らせください。」 「お気軽にご連絡ください。」 こうした表現は、文章における咳払いのような前置きです。実際のエンジニアは、最後の重要な点を書いたところでメールを終えるか、具体的な依頼を添えるか、「lmk」で締めくくります。 深刻度：単独では弱く、ほかのシグナルと組み合わさると中程度です。

シグナル I：修辞的な足場づくり

洗練された文章から AI が学び、過剰なほど一貫して用いる、文や段落単位の構成パターンです。こうしたシグナルを見抜くのは最も困難です。上手な文章のように感じられるためです。Grammarly やリアルタイムの検出器は、句読点や語彙に問題がなくても、こうしたパターンを検出します。

局所的な一貫性が滑らかすぎる（深刻度：中程度から強い。コーパスに依存） 最近の研究（DivEye、arXiv 2509.18880、TMLR 2026）の知見に関連するパターンです。すべての文が次の文に完璧につながり、摩擦も認知的負荷の痕跡もありません。AI の文章には、わずかにうまくかみ合わない文や、節の途中で方向が変わる考え、きれいに締めくくられない段落がほとんどありません。 確認方法：各段落を読み、文を一つ取り除いても段落が完璧に読めるかを確認します。人間の文章では、文を取り除くと目立った隙間ができることがよくあります。AI の文章では、通常、その段落はむしろ流れがよくなります。 症状：

• すべての段落が主張から始まり、その主張を確認して終わる
• 周囲の文と語彙が合わない文がない
• 段落内で話題が急に変わらない
• わずかにかみ合わないまま、後から訂正される文がない

調整に関する留保（重要）。 SHAP に基づく説明可能性の分析（arXiv 2603.23146）では、AI 文章検出器が安定した機械執筆のシグナルではなく、データセット固有の文体的特徴に依存することが示されました。滑らかすぎる文章は、あらゆる文書の執筆者を判定できる普遍的な指標ではなく、コーパスに依存する指標として扱ってください。学術論文の要旨、法的文書、洗練されたマーケティング文など、緊密な一貫性が本当に求められる文体の場合は、このシグナルの重みを下げてください。

定型的な自分語りエッセイの書き出し（深刻度：中程度） 「最もよく思い出す失敗は、2019 年に起きました。」 「最もはっきりと覚えている瞬間は……」 「最も後悔している決断は……」 パターン：「最も［副詞］［思い出す／考える／後悔する］［名詞］」 — 自分語りのエッセイの書き出しに使われる、AI 特有の意図的な内省表現です。実際の書き手は、自分の記憶に順位をつけた主張ではなく、出来事そのものから書き始めます。 複雑さが増していく接続詞なしの三段列挙（深刻度：中程度） 接続詞を使わず、後になるほど長く、感情的な重みも増す3つの項目： 「2時間にわたるサービス低下、私の何が悪かったのかを調べる6人のエンジニア、自宅で呼び出された人たちに自分の判断理由を説明しなければならなかった事後検証。」 AIは、感情的な重みが次第に増すように見せるため、こうした表現を組み立てます。 3つの項目と、それぞれの長さが増していることを報告してください。

強意語と弱意語の対比（深刻度：中程度） 「Xは［行動］を執拗に行い、Yは［行動］をほとんど行わない」――強意語と弱意語を対比させた、均衡の取れた表現です。キアスムスと同じ系統ですが、副詞のレベルで用いられます。 その他の形式：「Xは常に／Yは一度だけ」、「Xは慎重に／Yはほとんど〜しない」。 対比を引用してください。

段落末の短い格言（深刻度：中程度） 段落の締めくくりに、印象的な教訓として使われる、4～7語の断片または短い文： 「そこが心に残った部分です。」 「それが変化のきっかけでした。」 「それがすべてです。」 「それが本当の代償です。」 AIは、読者に導き出すべき結論を示すために、こうした文を付け加えます。文の長さがある格言的な締めくくりとは異なり、ごく短い断片にも使われます。

着地表現：「実際の／本当の仕事です」（深刻度：中程度） 「障害を理解できるほど近づくことが、実際の仕事です。」 「デプロイは簡単な部分です。本番環境のデバッグが実際の仕事です。」 AIが結論を示す際に使う、定型的な着地表現です。 引用してください。

主語の対句（深刻度：弱～中程度） 互いを映し合う名詞句で始まる、連続した2つの文： 「障害そのものは、ただの出来事です。理解することは別の話です。」 「コードは一つのことです。それを保守することは別のことです。」 AIは、締めくくりの対句としてこうした表現を組み立てます。対になっている主語を報告してください。

分詞による見方の転換（深刻度：中程度） 事実を列挙した後、分詞で始まる表現を使って、それらをより意味深いものとして捉え直す構成： 「申立書に並べると、同じ事実が意図的な戦略のように読めます。」 「そのように並べると、実際よりも計画的だったように聞こえます。」 「このように見ると、全体の展開が違って見えます。」 AIは、洞察があるように見せるため、この転換を使います。見方を捉え直す表現を使わず、観察を直接述べるべきです。 分詞で始まる表現を引用してください。

主張を先に述べる書き出し／「Xは簡単／難しい部分です」（深刻度：中程度） 経験からではなく、枠組みを先に示して個人的な文章を始めること： 「EB1Aの申請書類の証拠を集めるのは簡単な部分です。」 「執筆は調査よりも難しいです。」 「Xはますます重要になっています。」 AIはエッセイを大量に学習しているため、主張から書き始めます。人間の書き手は、経験の途中から書き始めます。書き出しを引用してください。

文中の照応的な並列列挙（深刻度：中～強） 1つの文の中で、同じ疑問詞の構造を使って並列に並べた4つの項目： 「以前は何があったのか、どのような問題を解決したのか、なぜその問題が重要だったのか、その後何が変わったのか」 Grammarlyなどの検出ツールは、これを連続する文での照応と同じように判定します。名詞形を変えて、「背景、実際の問題、何が変わったのか」のようにするのが修正方法です。「何／なぜ」で始まる疑問節を4つ並べてはいけません。 列挙全体を引用してください。

意図的に構成された自己認識的な挿入句（深刻度：中程度） 書き手が自分自身の解釈についてメタ的にコメントする挿入節： 「私がこれを進歩と受け止めることにした」 「私がこれをXの兆候と捉える」 「私がこれをYと解釈することにしている」 こうした表現は内省的に見えますが、後から付け加えたように読めます。本当の内省では、具体的な行動を述べてそこで止めます。その行動について書き手が選んだ解釈を付け足すことはありません。 挿入句を引用してください。 並列した理由の連鎖（深刻度：中程度） 「主語＋because／when＋理由」という同じ構造の文が3つ連続します。 主語が異なっていても該当します。 「Xだったので特許を出願しました。Yをきっかけにlocalaikが始まりました。Zのときに講演をしました。」 主語が異なっていても、節の並列構造は検出できます。節の構造を変えてください。「because」を使う文、理由を添えない断定文、動名詞または断片的な文をそれぞれ1つにします。 連続して発生する並列した理由の連鎖の数を報告してください。

「YよりX」型の比較表現（深刻度：中程度） すべての形式：「YというよりXに近い」「曖昧というより具体的」「より速い」。 AIは対極にあるものと対比して説明します。人間は直接的に説明します。 比較表現を引用してください。

「単なるXではなく」／「XではなくY」型の矮小化（深刻度：中程度） 何かについて、それが何ではないかを述べてから、何であるかを述べます。「自己申告ではなく、実績に基づいています。」「単なる行動ではなく、推論です。」3つの形式はいずれも同じパターンです。 矮小化表現を引用してください。

コロンを伴わない前置き文（深刻度：中程度） 「What [動詞句] was [明らかになったこと]」という形式の告知文です。見分けるポイントはコロンではなく、告知の構造です。以下のすべての形式が該当します。

• 「予想していなかったのは……」
• 「驚いたのは……」
• 「気づいたのは……」
• 「備わっていなかったのは……」
• 「最終的にうまくいったのは……」
• 「すべてを変えたのは……」
• 「ようやく腑に落ちたのは……」
• 「違いを生んだのは……」 「What [動詞句] was [明らかになったこと]」という形式なら、後にコロンが続くかどうかに関係なく、告知文です。 前置きの文を引用してください。

格言風／交差配列の締めくくり（深刻度：中程度～強） 2つのサブパターンがあります。

1. 単独でも引用できる締めくくりの文：「定型コードのほうが、混乱より安上がりです。」「仕事は、それだけで売れるわけではありません。」
2. 交差配列――洞察めいた、反転した並列表現：「間違っていることを具体的に示すほうが、正しいことを曖昧に示すより役に立ちます。」――「具体的／間違い」と「曖昧／正しい」を鏡合わせにしています。真の洞察は非対称ですが、AIは対称的な反転表現を組み立てます。 引用し、どちらのサブパターンかを特定してください。

照応――同じ文頭表現が2～3回連続する（深刻度：中程度） 「今でもゆっくり読んでいます。今でも話の筋を見失います。」 「この構造がなぜなのか。エラー処理がなぜなのか。キャッシュのTTLがなぜなのか。」 AIは強調のために同じ文頭表現を繰り返します。人間はそれらをまとめるか、構造を変えます。 繰り返される文頭表現と、その出現回数を報告してください。

「Turns out」／「it turns out that」を種明かしの転換点として使う（深刻度：中程度） AIが劇的な種明かしに使う表現です：「Turns out、設定のタイムアウトが別の値でした。」 直接的な表現：「設定のタイムアウトが別の値でした。」「Turns out」を加えても、発見の物語を演出するだけで、内容は何も変わりません。 各例を引用してください。

「XかY」／「XとYの間」という二項対立の枠組み（深刻度：中程度） 明確な二択を、唯一の選択肢として提示します。現実の状況には幅があります。 「チームは、モックを使う（速いが、ずれが生じる）か、ライブエンドポイントを使う（正確だが、コストがかかる）かを選ぶ必要があります」――以下のバランスの取れた括弧内表現のパターンにも該当します。

バランスの取れた括弧内表現（深刻度：中程度） 「（XだがY）または（AだがB）」――1つの文の中に、対称的なトレードオフを2つ並べます。 現実のトレードオフは非対称です。この対称性は、AIが組み立てた表現の特徴です。 並列する括弧内表現を引用してください。

バースト性の逆転（深刻度：弱） 非常に短い文（各7語未満）が3つ以上連続し、長い文が間に挟まれないことです。「コードに問題はありませんでした。ロジックも正しく動きました。痕跡は何も残りませんでした。」単独ではぶつ切りに聞こえます。文の長さが一様な中程度の文を検出する「シグナルB」とは異なります。

混合著者性オーバーレイ（AI による編集量の推定）

9つのシグナルを採点することに加え、AI 編集率、つまりテキストのうち、AI が執筆または編集したように見える部分の割合を推定します。これは判定とは別の軸であり、人間が AI の草稿を編集したり、AI が人間の草稿を整えたりする、現実によくあるケースを考慮するものです。編集量を回帰分析し、二値の著者判定を予測しない EditLens（arXiv 2510.03154）の考え方を参考にしています。

次のような分布上の手がかりを探してください。

• テキスト全体にわたってAIの特徴が均一に見られる場合は、純粋なAI生成が示唆されます
• 特定の段落は洗練されている一方、ほかは粗い場合は、選択的なAI編集が示唆されます
• つなぎや結論にAIらしい語彙が集中し、本文が具体的な場合は、AIによる骨組み＋人間による内容が示唆されます
• 冒頭／末尾の段落は洗練されているが、中盤は断片的または粗い場合は、冒頭と末尾だけをAIが編集したことが示唆されます
• 文章の途中で文体が変化する（フォーマルからカジュアル、またはその逆）場合は、異なる情報源の混在が示唆されます
• 禁止語彙が1つの段落に集中し、ほかの段落にはまったくない場合は、人間が書いたテキストにAIが書いた一節だけが挿入されたことが示唆されます

割合を次のいずれかの区分で推定します。

• 純粋に人間（約0%）
• 軽度のAI支援（約10～30%） — 軽い推敲、単一の節、または語彙の置き換え
• 著者性が混在（約30～60%） — 相当量のAI執筆箇所が織り込まれている
• 大幅にAI編集済み（約60～90%） — 人間の編集が加わったAIの草稿、または大幅なAI書き換えが加わった人間の草稿
• 純粋にAI（約100%）

以下の出力形式に従って、別の行として報告してください。

---

出力形式

必ず次の正確な構成で出力してください。

AI-CHECK REPORT
===============

VERDICT: [Human | Likely Human | Uncertain | Likely AI | AI]
CONFIDENCE: [Low | Medium | High]
OVERALL SCORE: [0–27] / 27
AI-EDITED FRACTION: [Pure human | Lightly AI-assisted | Mixed authorship | Heavily AI-edited | Pure AI]

SIGNAL BREAKDOWN
----------------
A. Perplexity            [0-3]  [one-line summary]
B. Burstiness            [0-3]  [one-line summary]
C. Hedge density         [0-3]  [one-line summary]
D. Structural tells      [0-3]  [one-line summary]
E. Specificity           [0-3]  [one-line summary]
F. Transitions           [0-3]  [one-line summary]
G. Punctuation           [0-3]  [one-line summary]
H. Voice / register      [0-3]  [one-line summary]
I. Rhetorical scaffolding [0-3]  [one-line summary]

EVIDENCE LOG
------------
[For every signal score > 0, list each specific instance with a short quote or description.
Format: SIGNAL-[LETTER] | "[exact quote or pattern description]" | severity: weak/moderate/strong]

WHAT GAVE IT AWAY
-----------------
[2–4 sentences identifying the strongest signals in plain language. Be specific about
which phrases, patterns, or absences were most diagnostic. This section is written
for a human who wants to understand the tell, not just see a score.]

RECOMMENDED FIXES
-----------------
[Only present if score > 6. Concrete rewrites or changes for the top 3 signals.]

---

スコアのしきい値

合計スコア	判定
0–4	人間
5–8	人間の可能性が高い
9–13	不確実
14–19	AI の可能性が高い
20–27	AI

調整に関する注意事項

• 短いテキスト（100語未満）は利用できるシグナルが少ないため、その点を記載し、確信度は「中」までに調整してください
• 専門用語を含む技術文書では、AIが書いた文章でもシグナルAが弱まることがあります。正確な専門用語を不利に評価しないでください
• 学術文書や法律文書では、ヘッジ表現やセミコロンが正当に使われます。シグナルCとGはそれに応じて調整してください
• ESLの文章では、AIらしいパターン（文の長さが均一、ヘッジ表現が多いなど）が現れることがあります。その可能性が考えられる場合は記載してください
• 構成やつなぎではAIらしさが見られ、文体では人間らしさが見られることもあります。両方を率直に報告してください
• シグナルI（修辞的な骨組み）は、優れた文章らしく感じられるパターンにも反応します。文章の質が高いからといって軽視しないでください。これが難しい判別の手がかりであるのは、まさにAIが熟練した人間の書き手から学んでいるためです。ほかの点ではすっきりとした文章でも、「YよりXに近い」という比較表現があれば、シグナルとして扱います
• レジスターの崩れ（シグナルH）は、必ずほかの要素と照らし合わせてください。くだけた表現だけでは、Slackのメッセージが人間の文章だとは判断できません。lmkや~60%の背後にある文構造を見てください。根底にある文章が洗練され、よく構成されているなら、くだけた表現は表面的なノイズにすぎません
• 格言風の締めくくり（シグナルI）は文脈によって判断が変わります。長い個人エッセイのよく練られた締めの一文は、200語の投稿で唯一印象に残る一文である場合ほど、判別の手がかりにはなりません。状況に応じて重み付けしてください

既知の検出限界（確信度を上限以下に抑える）

• ベースモデルの出力には既知の限界があります。 arXiv 2605.19516（「Base Models Look Human」）と、それを裏付ける Pangram の分析によると、指示チューニングされていない生のベースモデルの出力は、現在の最先端検出器には人間が書いたように見えます。現代の検出器が実際に検出するのは、「AIらしさ」そのものではなく、RLHF／指示チューニングによる特徴（丁寧な婉曲表現、構造化された列挙、完璧な一貫性、「役に立つアシスタント」らしい文体）です。テキストがベースモデルや、最小限のファインチューニングしか受けていない言い換えモデル（HIP スタイルの攻撃）から生成された可能性がある場合、表面的なシグナルが明確でも、確信度は「中」以下に抑えてください。
• ゼロショット検出器における Claude の死角。 DetectRL ベンチマーク（arXiv 2410.23746）によると、Binoculars の AUROC は Claude が生成したテキストでは約 55％にとどまる一方、GPT-3.5 では約 88％です。生成元のモデルが Claude である可能性がある場合は、低いスコアを特に慎重に扱ってください。
• 反復的に言い換えられたテキストには限界があります。 PADBen（arXiv 2511.00416）によると、直接生成された AI テキストでは 90％を超える精度を示す検出器も、1 つ以上の LLM を通じて反復的に言い換えられたテキストでは壊滅的に失敗します。ユーザーがテキストは言い換え、または書き直されたと述べている場合は、すべてのシグナルの重みを下げてください。
• 文体上の手がかりはコーパスに依存します。 SHAP に基づく説明可能性分析（arXiv 2603.23146）によると、検出器が利用する表面的な文体上の特徴はデータセット固有であり、安定した著者識別の手がかりではありません。これは特にシグナル I（修辞的な構成）に当てはまります。単一のシグナルに過度に依存せず、複数のカテゴリにわたる裏付けを求めてください。
• 多言語テキストには、言語に合った較正が必要です。 AI 検出器は英語以外のテキストを誤分類することが多く、軽く推敲しただけの人間によるアラビア語を AI 生成と誤判定する場合があります。ある商用検出器では精度が 92％から 12％に低下しています（arXiv 2511.16690）。較正の状況が分からない限り、英語以外のテキストについて確信度を「高」と判断しないでください。

参考：検出器の現状（背景情報）

ユーザーから「ツール X はどう判定するか」と尋ねられた場合は、現在の特徴を以下に示します。

• GPTZero（2025） は、パープレキシティとバースティネスだけでなく、RL による敵対的自己学習と学習済み分類器のアンサンブルを使用します。出力は 4 クラス（人間／わずかに AI 支援／中程度の AI 支援／全面的に AI 支援）です。「GPTZero はパープレキシティとバースティネスに依存する」という以前の説明は古くなっています。
• Binoculars は優れたゼロショットベースラインですが、上記の Claude の死角があります。
• Pangram 3.0 は、ベンダーのベンチマークで 99.98％の精度、誤検出率 10,000 件に 1 件、ヒューマナイズされたテキストで 97％を主張しています（独立した再現検証は保留中です）。
• EditLens は、二値の著者判定ではなく、AI による編集の割合を推定します（二値分類の F1 は 94.7、三値分類の F1 は 90.4）。
• Ghostbuster は、トークン確率が不要なブラックボックス検出器の代表例です。ドメイン内では F1 が 99 ですが、ドメイン外では性能が低下します。
• DependencyAI は、構文依存関係の n-gram と LightGBM を使用し、LLM にアクセスせずに言語間で動作します。