ai-writing-detection

AI 写作检测参考

用于检测 AI 生成文本的专家级知识库，汇编自学术研究、商业检测工具和实证分析。

快速参考：高置信度信号

如果同时出现以下指标，强烈表明文本由 AI 撰写：

词汇红旗

高信号词汇（在 AI 文本中出现频率高出 50-700 倍）：

• "深入探讨"、"织锦"、"细致入微"、"多方面的"、"强调"
• "错综复杂的相互作用"、"发挥了关键作用"、"复杂且多方面"
• "至关重要的"、"关键的"、"一丝不苟的"、"整体的"、"强大的"
• "是/充当"、"标志着一个关键时刻"、"凸显其重要性"

过度使用的短语：

• "需要注意的是……"
• "在当今快节奏的世界中……"
• "本质上……"
• "事不宜迟……"
• "让我来解释……"

完整列表请参阅 reference/vocabulary-patterns.md。

结构红旗

• 句长均一：始终为 12-18 个单词（波动性低）
• 三段式结构："研究、协作和解决问题"
• 过度使用破折号：AI 会以程式化的方式使用破折号，模仿“更有冲击力”的销售文案，尤其是在平行结构中（“这不是 X —— 而是 Y”）；更换标点并不能解决底层强调模式的问题
• 段落长度过于整齐：所有段落长度大致相同
• 模板式结尾："总之……"、"综上所述……"
• 否定式平行结构："这不是关于 X，而是关于 Y"
• 优雅变换：不断更换同义词以避免重复
• 虚假的范围表达："从 X 到 Y"，但两端并不连贯

详情请参阅 reference/structural-patterns.md。

内容红旗

• 夸大重要性："标志着历史上的一个关键时刻"
• 没有引用来源的生态系统/保护相关论断
• 遵循僵化公式的“挑战与未来”章节
• 宣传性语言："坐落于"、"令人惊叹的自然美景"、"拥有"
• 肤浅的分析：用“-ing”短语为事实赋予意义

详情请参阅 reference/content-patterns.md。

格式红旗

• 所有章节标题都采用 Title Case
• 过度使用粗体（每个关键术语都加粗）
• 行内标题列表：**Bold Header**: description 模式
• 正式内容或标题中使用表情符号
• 非电子邮件语境中的主题行

详情请参阅 reference/formatting-patterns.md。

标记红旗（确凿证据）

• turn0search0、turn0image0：ChatGPT 引用标记
• contentReference[oaicite:]：ChatGPT 引用错误
• utm_source=chatgpt.com：URL 跟踪参数（确凿证据）
• wikitext 中出现 Markdown：## 标题、粗体、文本
• grok_card XML 标签：Grok/X 专用

详情请参阅 reference/markup-artifacts.md。

引用红旗

• 失效的外部链接，且从未存在过（无存档）
• 无效的 DOI/ISBN：校验和失败
• 声明但未使用的参考文献：引用错误
• 占位值：url=URL、date=2025-XX-XX

详情请参阅 reference/citation-patterns.md。

语气红旗

• 始终使用被动、疏离的语气
• 在预期应出现第一人称代词的地方缺少第一人称代词
• 始终保持正式语气，没有风格变化
• 过度礼貌，且过多使用保留措辞

检测方法论

多层分析方法

第 1 层：技术痕迹扫描（确定性）

• 检查 turn0search/oaicite 标记（ChatGPT）
• 检查 URL 中的 utm_source=chatgpt.com
• 检查 grok_card 标签（Grok）
• 检查非 Markdown 内容中的 Markdown
• 如果发现：可确定涉及 AI

第 2 层：词汇模式匹配

• 扫描使用过度的 AI 词汇／短语
• 统计被标记词语的出现频率
• 查找高信号词汇集中的情况
• 检查强调重要性／象征意义的短语

第 3 层：结构分析

• 观察句子长度变化（长度一致 = AI 信号）
• 检查段落是否均匀
• 识别重复的句法模板（三段式、否定式平行结构）
• 查找优雅变化（同义词轮换）
• 检查不合理的范围表述

第 4 层：内容模式分析

• 检查夸大重要性和宣传性语言
• 查找“挑战与未来”公式
• 检查缺少引文支持的生态系统／保护主张
• 识别使用“-ing”归因的浅层分析

第 5 层：引文核验

• 测试外部链接是否存在
• 核验 DOI/ISBN 校验和
• 检查已声明但未使用的参考文献
• 查找占位值

第 6 层：格式分析

• 检查标题大小写（标题式大小写 = 信号）
• 统计每段中的粗体短语数量
• 查找行内标题式列表模式
• 检查正式内容中是否使用表情符号

第 7 层：文体观察

• 代词使用模式（是否缺少第一人称？）
• 语气一致性（过于一致 = AI 信号）
• 标点模式（是否过度使用长破折号？是否使用弯引号？）

第 8 层：连贯性检查

• 段落是否构建出连贯的论证？
• 概念是否换词重复？
• 过渡是否真正连接了观点？

第 9 层：置信度评分

• 综合多个信号加权评分
• 要求有佐证（至少 3 个信号）
• 应用特定情境调整
• 检查缓解因素（人类写作信号）
• 考虑无效指标（不要使用）

特定模型的模式

不同 AI 模型有各自独特的“指纹”：

模型	主要特征	技术痕迹
ChatGPT/GPT-4	“delve”（2025 年前）、“tapestry”、三段式、长破折号、弯引号	turn0search、oaicite、utm_source=chatgpt.com
Claude	分析性结构、扩展类比、谨慎的限定语	无（使用直引号，不含跟踪参数）
Gemini	对话式综合、事实密集的段落	无（使用直引号，不含跟踪参数）
DeepSeek	与 ChatGPT 类似，使用弯引号	弯引号
Grok	X/Twitter 集成	<grok_card> XML 标签
Perplexity	注重来源的输出	[attached_file:1]、[web:1] 标签

重要日期：

• ChatGPT 发布日期：2022 年 11 月 30 日（此前的文本几乎可以确定是人工撰写）
• “delve”的使用量下降：2025 年（仍是 2025 年前 ChatGPT 的信号）

详细的模型模式请参阅 reference/model-fingerprints.md。

防止误报

关键要求：

• 可靠分析至少需要 200 个单词
• 绝不能仅凭单一指标标记
• 使用集成评分（必须有多个信号）

误报风险较高的群体：

• 非英语母语者（研究中的误报率为 61%）
• 技术／正式写作
• 神经多样性写作者
• 使用语法纠正工具的内容

无效指标（不要依赖以下指标）：

• 仅语法完美
• “平淡”或“机器人式”文风
• “华丽”或罕见词汇
• 仅凭书信式格式
• 以连词开头的句子

人工写作的迹象：

• 2022 年 11 月 30 日之前的文本
• 能够解释编辑选择
• 含有可核实细节的个人轶事
• 细微错误和自然的个人特点

详细指南请参阅 reference/false-positive-prevention.md。

分析输出格式

按以下结构组织发现：

**Overall Assessment**: [Likely AI / Possibly AI / Likely Human / Inconclusive]
**Confidence**: [Low / Medium / High]

**Summary**: 2-3 sentence overview

**Evidence Found**:
- [Category]: [Specific indicator] - "[Quote from text]"
- [Category]: [Specific indicator] - "[Quote from text]"

**Mitigating Factors**: [Elements suggesting human authorship]

**Caveats**: [Limitations, alternative explanations]

核心原则

1. 不作确定性断言 - AI 检测具有概率性
2. 需要多种信号 - 单一指标无法证明任何事情
3. 上下文很重要 - 学术写作与博客写作有所不同
4. 意识到利害关系 - 错误指控会造成实际伤害
5. 领域不断发展 - 检测方法需要持续更新

参考文件

• vocabulary-patterns.md - 完整的词语和短语列表及其出现频率
• structural-patterns.md - 句子、段落和语篇模式
• content-patterns.md - 重要性夸大、宣传性语言、内容特征
• formatting-patterns.md - 标题大小写、粗体、表情符号、视觉模式
• markup-artifacts.md - 技术痕迹：turn0search、oaicite、Markdown、跟踪信息
• citation-patterns.md - 失效链接、无效标识符、捏造的参考文献
• model-fingerprints.md - GPT、Claude、Gemini、Grok、Perplexity 的特定特征
• false-positive-prevention.md - 避免错误指控及无效指标

来源

此知识库综合了以下研究：

• Stanford HAI（DetectGPT、偏见研究）
• GPTZero、Originality.ai、Turnitin、Pangram 的方法
• 关于文体学和语篇分析的学术论文
• 关于检测准确性和局限性的实证研究
• Wikipedia:WikiProject AI Cleanup 实地指南（2025）
• Wikipedia 编辑社区记录的模式