单个段落通常文本太少，AI 检测器无法可靠分类。短样本的分数会随每一句话波动，所以请把 100 词的结果当作弱信号，而不是定论。在依据任何数字采取行动之前，先用你自己的写作构建一个更长的样本。
关键要点
- 短文本给检测器的信号太少，无法区分人类和机器模式，因此分数不稳定。
- 同一段落每次粘贴时得分可能不同，因为样本接近检测器的决策边界。
- 在做出任何判断之前，至少从你自己的草稿中汇集几个完整章节。
- 100 词的标记不能证明作者身份，也不应被当作作者身份的证明。
- 如果有人根据短文本分数来评判你，请问清是什么样本长度和什么阈值产生了这个分数。
- 句子级视图会告诉你哪些行承载了信号，这比标题数字更重要。
为什么 100 词的样本让检测器几乎没有可用的依据？
检测器并不读取含义。它们估计你文本的统计形态：每个下一个词有多可预测、句子长度变化有多大、某些连接短语出现的频率有多高。这些都是分布信号，而分布需要足够的量。一百词大约是一个短段落，也许五六句话。用这么小的样本来估计分布是非常不够的。
想一想检测器试图测量什么。两个常见信号是困惑度（词的选择对语言模型来说有多意外）和突发性（句子长度和结构的变化有多大）。人类写作者可能会写一个长而曲折的句子，然后接一个短句。未经编辑的模型倾向于生成长度和节奏相似的句子。但在单个段落中，一个短句可能看起来像一次突发，而一连串中等长度的句子可能看起来平淡，这纯粹是偶然。信号是真实的，但样本太小，无法清楚地看到它。
还有一个边界问题。检测器的输出是概率估计，而不是测量值。当真实信号较弱时，估计值会停留在决策阈值附近，微小的变化就会把它推过阈值。增加一个从句，分数就会变化。删除一个破折号，分数又会变化。这并不是检测器坏了。当你要求统计模型对一个没有足够证据的样本进行分类时，就会发生这种情况。
我们自己的仪器显示这有多嘈杂。在 2026-09-19，我们用 DeAIze 检测器（本地集成，精简层级）以 30% 的标记阈值对两个语料库进行了评分。一个由 n = 46 篇手写 DeAIze 指南组成的人类撰写样本，其平均 AI 得分为 27%，中位数为 25%，范围从 0 到 55%。在该阈值下，46 篇中有 17 篇被标记。未经编辑的模型输出，即由固定提示生成的 n = 12 段文本，平均值为 35%，中位数为 34%，范围为 25-49%。注意重叠。即使样本比单个段落长得多，这两个分布仍然相接。将样本缩短到 100 词，这种重叠就会扩大。
样本长度如何改变同一文本的得分？
长度不仅仅使得分更精确。它还会改变哪些信号占主导地位。
短样本由局部特征主导：一个重复的过渡词、一种统一的句子节奏、一个恰好常见于模型输出的短语。长样本让检测器将这些平均掉，并观察各部分更广泛的趋势。同一位作者在一个段落中可能看起来像机器，而在五页中则明显像人类，因为人类的变化存在于更长的弧线中。
实际后果是，短文本得分告诉你的是关于那个段落的情况，而不是关于你的情况。如果你想要一个反映你写作的数字，你需要足够多的内容。
| 样本大小 | 分数主要反映的内容 | 可信度 |
|---|---|---|
| 一个段落（约100词） | 局部用词选择和一两种节奏模式 | 低。视为提示，而非结果。 |
| 几个段落 | 局部习惯与一些变化的混合 | 中等。有助于发现被标记的句子。 |
| 一个完整章节或更多 | 更广泛的节奏、词汇范围、结构习惯 | 较高。值得采取行动。 |
| 整个文档 | 整体写作特征 | 可获得的最高值，仍是概率估计。 |
最后一行很重要。即使是整个文档的分数也只是概率估计。它不能证明文本是由机器撰写的，任何检测器都不应被当作确凿证据。
如果你想了解长度如何改变对你自己的写作的判断，可以将一个段落和一个完整章节分别通过AI检测器运行，并比较句子级别的标记。两次运行之间的差异将是你能获得的关于短文本准确性的最清晰教训。
如何从你自己的写作中组装一个更长的诚实样本？
测试你写作的诚实方式是测试你实际的写作。这听起来显而易见，但人们常常反其道而行：他们粘贴一段在压力下写的文字，得到一个糟糕的分数，然后对自己下结论。
这里有一个有效的方法。
- 挑选三到五篇你在没有AI协助下写的文章。旧邮件、报告、博客草稿、讲座笔记、给朋友的长消息。任何你自己打出来的东西。
- 去掉引用材料、引文、代码块和列表。检测器读取散文的方式与结构化内容不同，而且引用的文本不是你要辩护的。
- 将散文合并成一个至少几百字的文档。保留原始标点和句子长度。不要整理它。
- 将合并的样本通过一个显示句子级输出的检测器运行。单个数字隐藏了有用的部分。
- 记下哪些句子被标记。它们是你快速写的那些吗？你大量编辑的那些吗？你用AI帮助起草的那些吗？
第五步才是价值所在。被标记的句子是一个具体的、局部的、你可以查看的东西。被标记的文档是一个模糊的指控。如果你正在根据一个短样本被评判，能够指出具体的行并解释你是如何写的，远比争论标题数字有用得多。
还有一件事：保留样本。如果分数受到质疑，你有一个带日期的文件，显示你无辅助写作的样子。这是你能拥有的最接近基线的参照。
什么时候你应该完全忽略短文本分数？
有些明确的情况，短文本结果几乎不携带任何信息，你应该将其搁置。
- 样本不到几百字。 没有足够的分布来估计。这个数字主要是噪声。
- 文本被大量引用或引证。 专有名词、引文和技术术语对语言模型来说不寻常，这可能出于与作者身份无关的原因将分数推向任一方向。
- 文本是列表、表格或一组项目符号。 检测器是在散文上训练的。结构化内容不在分布范围内。
- 作者是非母语者。 用第二语言写作的作者通常会产生更统一的句子结构和更常见的词汇选择，这在检测器看来可能像机器写的。这是一个已知模式，不是个人失败。如果你处于这种情况，在改变一个字之前，值得阅读关于为什么AI检测器标记非母语英语写作者的指南。
- 文本已被翻译。 机器翻译会留下自己的痕迹，而这些痕迹不是作者身份信号。翻译文本AI检测演练涵盖了如何区分两者。
- 检测器在第二次运行时给出不同答案。 如果同一文本在连续运行中得分不同，样本太接近边界，没有任何意义。
- 分数被用作证据。 它不是证据。它是一个估计，将短文本估计视为证据是一种范畴错误。
如果这些情况中的任何一种适用，正确的做法不是反复改写直到数字下降。正确的做法是获取更长、更干净的样本并重新运行。
如果有人仅凭100词的结果来评判你，你该怎么回应？
这是尴尬的部分，它需要一个直接的答案，而不是安慰。
首先问清楚这个分数到底是什么。是哪个工具生成的？使用了多长的样本？什么阈值算作被标记？许多引用数字的人并不知道它的来源。提问不是防御；这是任何诚实评估的第一步。
然后用通俗的语言解释样本问题。检测器估计的是文本的统计形态。一百个词太少，几乎无法估计任何东西。你并不是在质疑工具生成了一个数字。你是在指出这个数字不足以支撑一个结论。
提供一个更长的样本。主动提出用同一个工具运行完整章节或整份文档。如果结果在长文本下依然成立，那才是一场真正的对话。如果不成立，你就已经证明了长度为何重要。
最后，对你的过程保持诚实。如果你使用AI起草或编辑了部分文本，请说明，并描述你做了哪些修改。大多数允许AI辅助的政策要求的是披露，而不是完美。学术诚信政策指南解释了许多机构实际允许的做法。观点、数据和结论仍然必须是你自己的。
你不应该做的是把短文本评分当作定论，然后为了满足它而开始把自己的声音从写作中抹去。那是用一个真实的东西去换一个从一开始就不可靠的数字。
句子级视图能给你什么，而单一评分不能？
单一数字把所有东西都压缩成一个数值。句子级视图则向你展示信号实际存在于哪里，而这才是你可以采取行动的部分。
在短样本上，句子级输出往往是唯一可用的有用信息。如果五个句子中有两个被标记，三个没有，你就学到了具体的东西：那两个句子共享某种模式。也许它们长度相同。也许它们都以同一种过渡方式开头。也许你是在漫长一天结束时匆匆写下它们的。这就是一个具体的编辑目标。
在长样本上，句子级输出会告诉你标记是集中在一个部分还是均匀分布。集中出现的标记通常意味着那个部分发生了局部情况。分散的标记则表明你的写作方式中存在更广泛的模式，这是一个不同的问题，需要不同的解决方法。
DeAIze 检测的工作方式如下：整个文档会获得一个分数，并且每个句子都会根据 AI 概率被高亮显示，因此你可以看到哪些行携带了信号。对于短文本问题，这种结构比单一百分比更有用，因为它让你能够检查检测器的推理过程，而不是全盘接受或拒绝它。
如需更深入地了解底层信号的含义，AI 检测如何工作 的说明涵盖了困惑度、突发性等内容，且没有过度宣称。
你应该如何根据短文本分数采取行动？
将其视为分诊信号，而非诊断结果。
如果短样本返回高分，请做三件事。首先，检查句子级输出，看看标记是否集中在你能够解释的行上。其次，用你自己独立写作的内容构建一个更长的样本并重新运行。第三，比较两个结果。如果较长样本的分数下降，那么短样本的结果就是噪声。如果分数保持，那么你就有值得编辑的内容。
如果短样本返回低分，也不要将其视为通过。小样本上的低分与高分一样不可靠。它意味着检测器没有发现太多信号，而不是文本被认证为人类所写。
这是诚实的立场：检测器的输出是一个概率估计，而这个估计的强度取决于计算所用的文本量。短文本，估计弱。长文本，估计强。两者都不是证据。
准备好看看哪些句子读起来像机器写的了吗？
粘贴一个段落，你会得到一个数字。粘贴完整章节，你会得到真正可用的东西：文档评分加上句子级高亮，显示哪些行携带信号。
从AI检测器开始，查看你自己写作的句子级细分。如果标记集中在你借助AI写的行上，将它们通过人性化工具处理，并检查前后评分。网站报告称，人性化处理后AI评分平均降低60%以上，最佳情况71%，在网站使用的示例段落中，92%的AI评分变为4%的AI。这些是产品自身的预测评分，不是第三方裁决。
注册即可免费试用200字，无需信用卡。如果需要更多，定价是按使用付费，积分永不过期，无需订阅。上传支持.txt、.docx和.pdf，重写Word文档会保留字体、样式和表格。当你准备好时，创建账户，从你已有的样本开始。
重点不是追求一个数字。而是知道哪些句子读起来像机器写的，决定你是否同意，并修正你同意的那些。