大多数大学关于AI的学术诚信政策并不禁止这一工具，而是禁止虚假声称。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——通常是被允许或容忍的。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——才是导致学术不端认定的原因。这条界线会因作业、课程和教师而异，这就是为什么阅读课程大纲比阅读政策本身更重要。
大学AI政策如何在辅助起草与虚假陈述之间划定界线？
政策很少给出清晰的定义。它们所做的，是界定一种被禁止的行为——通常是“提交并非学生本人完成的作品”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某项具体任务意味着什么。
在实践中，有三点将允许的协助与虚假陈述区分开来：
- 实质内容由谁生成。 如果论点、证据和结构由你产出，而AI帮助你将其表达出来，你就处于辅助起草的范围内。如果论点由AI产出，而只是由你润色文字，你就在这一范围之外。
- 你是否进行了披露。 许多政策将披露作为使用的前提条件。在允许使用AI的情况下使用了它，却没有说明，这本身就可能构成违规——即使作品确实是你自己完成的。
- 作业要求你展示什么。 一篇评估你推理能力的论文，与一份评估你数据处理能力的实验报告，对AI的对待方式不同；而后者与一份评估你自身经历的反思日志，对待方式又有所不同。同样的工具使用，在一种情况下可能没问题，在另一种情况下却可能构成取消资格。
一个有用的检验方法：你能否在不看笔记的情况下，与一个不同意你观点的人进行十分钟的对话，为文档中的每一个论断辩护？如果可以，那么从政策所指的意义上说，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。
披露在实践中究竟是什么样的？
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。
在各种作业类型中，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；这是最常见的硬性底线 |
| 代码或习题集 | 注释块或 README | AI 建议了哪些函数或解答，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 |
一句经得起审视的披露声明是这样的：“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。我在纳入每句建议前都进行了修改。”
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。含糊的披露——“本作品的准备过程中使用了 AI”——比不披露更糟，因为它告诉审阅者你知道披露很重要，却选择不清晰说明。
如果你想在提交前查看检测器在你自己的草稿中实际标记了什么，AI 检测器 会对整个文档进行评分，并按 AI 概率高亮显示每个句子，这样你就能看到哪些行带有信号并自行修正。
如果我被质疑，如何保持我的过程具有可辩护性？
可辩护性是在指控之前建立的，而不是之后。那些顺利通过不当行为处理流程的学生和教职员工，是能够重建自己所做事情的人。
把这些作为习惯而非紧急措施来保持：
- 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单一证据，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，如果你使用了 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，读起来非常不同。
- 简短的过程说明。 在你自己的文件中用两三句话描述这篇文章是如何形成的。如果你被问到，你已经写好了答案。
如果你被质疑，最糟糕的回应是对工具含糊其辞或防御性十足。直白地说明你使用了什么，展示历史记录，并解释你的推理。教职员工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。
有一点值得了解：检测器的输出是概率估计，而非作者身份的证明。高分是进一步细查的理由，而不是结论。如果你因自己写的文章被标记，我们的指南误报以及被指控时该怎么办会一步步带你应对。
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。知道你所面对的是哪一种，就能告诉你该问谁。
政策未提及。 完全没有AI条款。默认沿用旧规则：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生成内容仍有风险。在截止日期前问老师，而不是之后。
政策宽泛，而教学大纲具体。 许多机构设定宽松或严格的基线，并允许教师收紧。以教学大纲为准。如果你的教学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，就把它当作生成式工具并予以披露。
小组作业未被涉及。 政策通常针对个人提交。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确定下来。小组成员之间对使用内容的分歧是触发举报的常见原因。
如有疑问，给教师发邮件提出具体问题：“我想用AI检查语法并为我的草稿建议过渡——这对这项作业可以接受吗？您希望如何披露？”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，然后你用自己的语言重写。即使这个工具从未存在，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，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说明的地方，你无法为它们背书。
下面是一个示例。拿一个平淡、机器味十足的句子：
修改前：“可再生能源政策的实施是一个多层面的问题，需要仔细考虑各利益相关方。”
修改后：“可再生能源规则如果忽视买单的人——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，不是因为它躲过了检测器，而是因为有人明确了这句话到底在主张什么。
这会影响你如何解读任何分数。在我们 2026-09-13 的测量中，我们用检测器以 30% 的标记阈值对 23 篇手写的 DeAIze 指南进行评分：平均分 21%，中位数 22%，范围 0-46%，23 篇中有 5 篇被标记。未经编辑的模型输出平均得分更高——12 段文本，平均 33%——但范围与人类样本几乎完全重叠。分数告诉你一段文本具有机器式模式。它无法告诉你作者是谁，也绝不应单独作为定论。
如果你自己的写作被标记了，而你想了解原因，AI 检测如何工作 解释了分数背后的信号，面向学生的 AI 辅助写作 则介绍了常见规则边界在哪里。
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。
- 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，能够展示作品的逐步发展过程？
- 你能否将每一个论点和结论都作为你自己的推理来辩护？
- 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：本文中的数据来自我们自己的检测器于2026年9月13日的运行结果——n = 23份手写指南对比n = 12份未经编辑的模型输出，AI得分中位数分别为22%和34%。方法：/methodology/。