大多数大学关于AI的学术诚信政策并不禁止该工具。它禁止的是虚假声称。辅助起草——使用AI进行头脑风暴、列提纲、精简句子或检查语法——通常是允许或容忍的。虚假陈述——将AI生成的作品作为自己独立完成的成果提交，或在要求披露时隐瞒使用AI的事实——才是学术不端认定的来源。这条界线因作业、课程和教师而异，这就是为什么阅读教学大纲比阅读政策更重要。
大学AI政策如何在辅助起草与虚假陈述之间划清界限？
政策很少给出明确的定义。它们所做的反而是界定一种被禁止的行为——通常是“提交并非学生本人的作品”或“虚假陈述所提交作品的作者身份”——然后让教师来决定这对特定任务意味着什么。
在实践中，有三件事将允许的协助与虚假陈述区分开来：
- 谁生成了实质内容。 如果你提出了论点、证据和结构，而AI帮助你表达出来，你就处于辅助起草的范围内。如果AI提出了论点，而你只是润色了文字，你就在这个范围之外。
- 你是否披露了它。 许多政策将披露作为使用的条件。在允许使用AI的地方使用了它，然后不说明，这本身就可能构成违规——即使作品确实是你自己的。
- 作业要求你展示什么。 一篇评估你推理能力的论文对AI的处理方式，与一份评估你数据处理能力的实验报告不同，而后者又与一份评估你个人经历的反思日志不同。同样的工具使用在一种情况下可能没问题，在另一种情况下则可能不合格。
一个有用的测试：你能在十分钟的对话中，不借助笔记，与一个不同意你观点的人，为文档中的每一个主张辩护吗？如果可以，那么从政策意义上说，这份作品就是你的。如果你要解释的是别人的推理，那就不是。
在实际操作中，披露具体是什么样的？
披露不是忏悔。它是一份简短、具体的声明，说明你使用了什么工具以及用它做了什么。大多数要求披露的政策并未规定格式，因此清晰说明的责任落在你身上。
在不同作业类型中，什么做法有效：
| 作业类型 | 典型披露方式 | 应包含的内容 |
|---|---|---|
| 论文或报告 | 脚注或方法说明 | 工具名称、你要求它做什么、它涉及哪些部分 |
| 实验或数据作业 | 方法部分 | AI 是仅用于分析、代码还是写作 |
| 反思性或个人写作 | 通常完全禁止 | 开始前查看课程大纲；这是最常见的硬性规定 |
| 代码或习题集 | 注释块或 README | AI 建议了哪些函数或解决方案，以及你如何验证它们 |
| 小组项目 | 团队协议，然后附注 | 每位成员使用了什么，以及小组如何检查输出 |
一句经得起审查的披露声明如下：“我使用 ChatGPT 为第 2 节的三段建议了替代表述，并检查了我的引用。论点、来源和结论均为我本人所有。我在纳入每一条建议的句子之前都进行了修改。”
这很具体，可以根据你的修订历史进行核实，而且没有过度声称。模糊的披露——“本作品的准备过程中使用了 AI”——比完全不披露更糟，因为它告诉审查者你知道披露很重要，却选择不清晰说明。
如果你想在提交之前看看自己的草稿中哪些句子作用最小，草稿编辑器会逐句检查文档并标记重复的句子，这样你就能看到哪里需要编辑，然后自己动手修改。
如果被质疑，我如何让自己的过程经得起推敲？
可辩护性是在被指控之前建立的，而不是之后。那些顺利通过学术不端调查的学生和教师，都是能够重建自己所作所为的人。
把这些当作习惯而非应急措施来保留：
- 版本历史。 Word的修订记录、Google Docs修订历史或带日期的文件。这是你能提供的最有说服力的证据，因为它展示了草稿随时间的发展过程。
- 你的笔记和来源。 粗略笔记、带注释的PDF、阅读清单。它们展示了写作之前的思考过程。
- 你的提示词（如果使用了AI）。 保存它们。一个写着“这是我的大纲，建议更紧凑的过渡”的提示词，与一个写着“就这个主题给我写一篇文章”的提示词，读起来截然不同。
- 简短的过程说明。 在自己的文件中用两三句话描述作品是如何形成的。如果被问到，你已经有现成的答案。
如果你被质疑，最糟糕的回应是对工具含糊其辞或充满防御。直截了当地说明你使用了什么，展示历史记录，并解释你的推理。教师通常是想确认作者身份，而不是抓你的把柄——对可辩护过程的清晰说明通常就能结束对话。
有一件事值得了解：任何自动化工具的输出都是概率估计，而非作者身份的证明。高数值是进一步细查的理由，而非结论。如果你自己写的文字受到质疑，你能拿出的最有力证据就是你自己的草稿、笔记和版本历史。
规则模糊之处——以及如何解读
大多数政策空白可归为四种模式。了解你面对的是哪一种，就能知道该问谁。
政策未作规定。 完全没有 AI 条款。默认适用旧规则：作业必须是你自己的。这并不禁止 AI 辅助，但确实意味着未披露的 AI 生成实质内容仍有风险。在截止日期前问授课教师，而不是之后。
政策宽泛，而课程大纲具体。 许多机构设定宽松或严格的基线，并允许教师收紧。以课程大纲为准。如果你的课程大纲禁止在特定任务中使用 AI，大学的普遍许可不能凌驾其上。
语法工具被豁免，生成式工具则不然。 这是最常见的区分，也确实令人困惑，因为现代语法检查器会建议看起来很像生成式输出的改写。稳妥的理解是：如果工具改变了含义或提供了内容，就将其视为生成式并予以披露。
小组合作未被涉及。 政策通常针对个人提交的内容。如果你的小组以任何形式使用了 AI，请作为团队达成披露共识，并在提交前以书面形式记录下来。小组成员之间对使用内容的分歧是引发举报的常见诱因。
如有疑问，请给教师发一封具体问题的邮件：“我想用 AI 检查语法并为我的草稿建议过渡句——这对这项作业来说可以接受吗？你希望如何披露？”这封邮件本身就是善意的证据，而且只需两分钟。
将 AI 作为工具使用与将 AI 作为你的作品提交
区别不在于 AI 参与了多少，而在于谁对内容负责。
将 AI 作为工具使用是这样的：你有论点，你有资料来源，你请求帮助更清晰地表达一个观点，你阅读建议，你判断它是否准确，然后你用自己的语气重写。即使这个工具从未存在过，你也能为结果辩护。
将 AI 作为你的作品提交是这样的：你粘贴一个提示词，收到一篇成品，略读一下，然后提交。文字可能很流畅。但其中的观点、结构和结论来自你无法解释的地方，你也无法为它们背书。
这里有一个示例说明。拿一个平淡、机器风格的句子：
之前：“可再生能源政策的实施是一个多方面的问题，需要仔细考虑各种利益相关者。”
之后：“可再生能源规则如果忽视为其买单的人——安装商、电网运营商和面临更高账单的家庭——就会失败。”
第二个版本更好，并不是因为它隐藏了什么。它更好，是因为有人决定了这个句子实际上在主张什么。
这对你如何解读任何自动化判定很重要。在我们自己于 2026-09-13 进行的比较中，我们阅读了 23 篇手写的 DeAIze 指南以及 12 段未经编辑的模型文本。两组都不统一，二者大量重叠，而区分它们的不是某个阈值，而是是否有人决定了每个句子在主张什么。没有任何数字能确定文档由谁撰写，也不应把任何数字单独当作判定。
如果你想了解我们如何测试，我们的方法论页面描述了这一过程，而面向学生的 AI 辅助写作则介绍了常见规则边界所在。
提交前的简短检查清单
- 教学大纲或作业说明中是否提到了人工智能？请再仔细阅读一遍，特别注意这一点。
- 你能用一句话明确说出你使用人工智能做了什么，而不含糊其辞吗？
- 你是否按照作业要求的格式进行了披露？
- 你是否有版本历史或笔记来展示工作的进展过程？
- 你能将每一个主张和结论都辩护为你自己的推理吗？
- 如果以上任何一项的答案是否定的，请在截止日期前解决，而不是之后。
这项政策不是为了抓你。它是为了保护你实际所做工作的价值——而这部分价值是任何工具都无法提供的。
测量说明：本文中的比较来自我们于2026年9月13日进行的阅读测试——23份手写的DeAIze指南与12段未经编辑的模型段落。方法：/methodology/。
如果人工智能使用受到质疑，学术诚信听证会上会发生什么？
如果发生转介，小组通常不会问你文件是否被工具处理过。它问的是你是否能说明你的工作。这重新定义了你需要准备的内容。
按以下顺序带三样东西：
- 对你使用内容的平实说明。 工具、任务、涉及的部分，以及之后你改了什么。一段话，不要含糊其辞。
- 相关材料。 版本历史、带日期的草稿、笔记、带注释的来源、保存的提示词。这些能显示文档是逐步形成的，而不是凭空出现的。
- 你的推理，口头说明。 小组通过让你解释某个选择来测试作者身份——为什么用那个来源、为什么用那个结构、为什么用那个词。如果推理是你自己的，它就能经得起提问。
削弱案情的含糊其辞，而不是使用工具。在转介信和听证会之间改变你的说法，是你所能做的最具破坏性的事情。
关于自动报告的一个实际要点。在我们自己于 2026-09-13 进行的阅读测试中，我们用 DeAIze 检测器以 30% 的标记阈值对 23 篇手写的 DeAIze 指南和 12 篇未经编辑的模型段落进行了评分。人工撰写的样本平均为 21% AI，未经编辑的模型输出平均为 33%——范围严重重叠。检测器给出的数字是进一步查看的理由，但绝不是其本身的结论。如果有报告被用来指控你，小组实际评估的内容才是你在回应之前更该阅读的内容。
绕过 AI 检测算作弊吗？详细介绍了大多数小组在实践中采用的披露测试。