AI检测器标记了我的论文：需要准备什么

如果AI检测器标记了我的论文，会议本身并不是最难的部分——准备工作才是。在你与委员会坐下来之前，收集三样东西：你的草稿历史、与导师的通信记录，以及一页书面说明，解释检测器实际测量了什么。那一页纸的作用比你口头说的任何话都大。

关键要点

• 带上过程证据，而不只是否认：带日期的草稿、版本历史、导师邮件、笔记。
• 写一页说明，解释检测器测量了什么——那是概率估计，不是作者身份的证明。
• 把你的写作过程呈现为一条时间线，让委员会看到论文是如何构建的。
• 绝不要说检测器没用。要论证的是：这个分数，在这段文本上，是误报。
• 如果委员会要求正式回应，请严格遵循他们的格式和截止日期。

在委员会会议之前，我应该收集什么？

委员会并不是真的在问“你用了AI吗？”他们问的是“你能向我们展示这段文本是如何产生的吗？”你的任务是用文件回答第二个问题。

草稿历史。 找出你仍然保留的每一个版本。章节文件、带日期的备份、云文档修订历史，甚至你发给自己的旧邮件附件。一个名为 chapter3_v4_2025-03-11.docx 的文件，比一段解释更有价值。如果你在云编辑器中写作，请将修订历史导出为PDF——它会显示时间戳和编辑模式，而最终文件无法做到这一点。

版本控制。 如果你使用 Git、Overleaf 或大学文档系统，请导出提交日志或历史视图。如果你使用普通文件夹，请构建一个时间线：哪个章节何时存在、发生了什么变化以及为什么。手写笔记、索引卡片和带注释的打印稿都是合法证据。把它们带来。

导师通信。 每封你发送草稿并收到评论的电子邮件都是有日期的记录，证明文本存在并随时间被修订。在你的收件箱中搜索章节名称。截图或导出这些邮件线程，包括附件。

阅读和来源笔记。 带注释的 PDF、图书馆借阅记录、Zotero 或 Mendeley 文库、访谈记录、实验室笔记本。这些展示了论文所依据的材料。

把所有内容放在一个文件夹中，按日期顺序排列，并带上一页打印的索引页。你希望委员会看到一个经过数月发展的项目，而不是一份突然完整出现的文档。

我如何用一页纸解释探测器测量了什么？

这是大多数学生弄错的部分。他们走进来说“探测器错了”。那是一个结论。委员会需要的是对仪器的描述。

写一页，包含四个简短的部分：

1. 该工具声称能做什么。 它根据文本中的统计模式，估计一段文字由语言模型生成的概率。
2. 这个分数是什么。 它是一个概率估计，而不是事实认定。高分意味着文本与模型所关联的机器输出模式相似。它并不能识别作者，也无法看到你的写作过程。
3. 为什么会出现误判。 正式的学术文风、密集的引用、重复的术语、非母语英语表达以及大量编辑，都可能推高分数。我们自己在2026年9月的测量就说明了这有多不稳定：在46篇手写的DeAIze指南中，平均AI分数为27%，中位数为25%，范围从0%到55%——而这些都是人写的。
4. 这个分数无法告诉你什么。 它无法区分“由AI撰写”和“以类似AI的风格撰写”。这是两种不同的说法，只有第一种才构成不当行为。

控制在一页A4纸内。给各部分编号。给桌边每人发一份。如果你更想在写之前了解背后的信号，我们关于AI检测如何运作的指南讲解了其机制，而不会制造恐慌。

如果你想看看自己草稿中具体哪些句子带有这种信号，DeAIze的AI检测器会为整份文档打分，并按AI概率高亮每个句子，这样你走进房间时就能确切知道哪些句子有问题。

我如何在不显得防备的情况下说明我的写作过程？

从过程开始，而不是从指控开始。用一段简短的口头版文件夹索引就很有效：

“我十月份开始了第一章，十一月份发给了导师，一月份根据她的意见做了修改，你手上的版本是第四稿。这是时间线，这些是邮件。”

这是关于一个项目的事实陈述。不需要指控任何人，它也能成立。

陷阱在于语气。如果你花十分钟攻击检测器，你看起来就像心里有鬼的人。如果你花十分钟冷静地梳理日期和文件，你看起来就像个研究者。证据自己会说话；你只需要把它呈现出来。

三条实用规则：

• 回答被问到的问题。 如果他们问你什么时候写了某一节，就给出日期。不要转移话题去发表演讲。
• 在小事上坦白。 如果你用了语法工具、AI辅助的文献检索，或者用ChatGPT来头脑风暴，就说出来——先查一下你所在大学的规定，并对允许使用的部分保持诚实。隐瞒一个被允许使用的工具，比工具本身更糟。
• 让想法属于你自己。 论点、数据和结论必须是你自己的成果。检测只是插曲；真正的会议主题是作者身份。

当你的论文被标记时，不该说的话

有些句子会让对话变得更困难。避免这些：

注意这个规律：每一个好的回答都指向一份文件。每一个糟糕的回答都指向一种感觉。

如果你已经在另一种情境中经历过误报，误报应对指南会更详细地介绍同样的证据收集步骤。

如果委员会要求正式回应，我该如何准备？

有些委员会会升级处理。你可能会被要求提交书面陈述、与学术诚信官员会面，或对正式指控作出回应。流程因院校而异，所以在写任何东西之前，先阅读你所在大学的政策。

通常有帮助的做法：

1. 要求以书面形式提供具体细节。 哪些段落、哪个工具、哪个分数、哪条政策条款。你无法回应一个含糊的指控。
2. 获取截止日期和格式。 字数限制、提交渠道、由谁阅读。
3. 重复使用你的一页纸说明。 你对检测器所测内容的解释，几乎可以原封不动地放进正式回复中。
4. 附上证据索引。 草稿时间线、通信记录、笔记。按编号引用每一项。
5. 询问是否可以带一名支持者。 许多机构允许导师、顾问或学生会代表出席。
6. 保留你提交的所有材料的副本。 注明日期。

如果你的院系仍在决定总体上如何处理AI辅助完成的作品，那么在起草回复之前，值得读一读你的大学实际允许什么——各政策在允许使用的工具上差异很大，准确引用你自己的政策远比从原则出发争辩更有力。

如果被标记的段落确实是机器辅助完成的呢？

在这里要对自己诚实，因为委员会无论如何都会查清楚。

如果你使用模型起草或改写段落，而你的政策不允许这样做，那么这次会面就不是关于检测器的。而是关于草稿的。在这种情况下，有用的准备工作有所不同：准确找出哪些段落是受辅助完成的，了解政策对此有何规定，并与你的导师一起决定如何处理。如果政策允许修改且你予以披露，那么重写被标记的部分，使其真正成为你自己的内容——你的论点、你的措辞、你的证据——是正当的做法。我们关于清理机器生成痕迹的指南正是为这种情况写的。

你不应该做的是把论文通过工具跑一遍，然后把输出当作什么都没发生一样提交。这把一个政策问题变成了诚信问题，而后者要糟糕得多。

分数本身能证明什么吗？

不能。这一点值得直说，因为这些会议中的恐惧通常与证据所支持的程度不成比例。

检测器分数是对文本模式的概率估计。它不是关于作者身份、意图或过程的陈述。两个工具拿到同一段文字经常给出不同结果，这就是为什么两个检测器可能对相同的写作给出不同判定。我们自己的测量发现，未经编辑的模型输出在30%标记阈值下的平均得分为35%——在某些地方低于人类样本的上限，并且几乎完全与其重叠。一个无法清晰区分自己生成的文本和人类写作的工具，不是一个能识别你第三章是谁写的工具。

这并不意味着你走进去就可以无视那份报告。这意味着你把分数视为众多嘈杂输入之一，并带上它看不到的输入：你的草稿、你的邮件、你的笔记、你的过程。

五天准备计划

如果会议即将开始，就倒推安排。

如果你有更多时间，就用它来好好阅读你所在大学的相关政策，并重新阅读那些被标记的段落，这样你就能具体地谈论它们。没有什么比一个能解释为什么某个句子会这样措辞的学生更能打动人了。

准备好看看哪些句子读起来像机器写的了吗？

开会前你能做的最有用的事，就是了解你自己的文档。DeAIze 的 AI 检测器 会对整篇论文评分，并按 AI 概率高亮每个句子，这样你就能确切看到委员会成员可能会问哪些句子——并为每一句准备具体的回答，而不是泛泛地辩护。如果被标记的句子确实是你自己写的，草稿编辑器 可以让你逐行审阅和修改它们，而不会抹平你的个人风格，并且 定价 是按使用量付费，积分永不过期。你也可以 创建一个免费账户，从 200 个词开始，无需信用卡。保留你自己的观点、数据和结论——这些工具是用来清理你自己的文字，而不是改写别人的作品。

如果被标记的段落出现在你几个月前写的一章里怎么办？

时间在这里是你的朋友，而大多数学生忘了利用它。一篇十月写的、一月修改的文章，其修改痕迹是上周才写的文章所没有的。找出你能找到的最早版本，与最终文本对比。如果触发标记的那句话在会议前六个月就已以几乎相同的形式存在，就说明这一点，并出示文件日期。

旧章节的简短清单：

1. 找到该章节现存最早的草稿——邮件附件、云端修订版、打印件。
2. 记下日期及其来源。
3. 在两个版本中标出被标记的句子。
4. 写一行说明两者之间改了什么以及为什么。

如果被标记的句子在各草稿中未变，那就是一致作者身份的有力证据。如果变了，修订历史会显示是谁在何时改的。

一点提醒：不要以为旧文件日期就能解决问题。它只表明文本存在过，而非谁打的字。要把它与通信记录配对——导师对该章节的评语、同行评审意见、投稿回执。至于检测器最初如何解读单个句子，我们的DeAIze评测会逐句讲解报告实际显示的内容，这样你就能把证据与有疑问的具体行对应起来。

如果你完全没有旧草稿——对用一个长文件写作的学生来说很常见——就直说，转而依靠通信记录和笔记。诚实的空白胜过重建的时间线。