最适合教师的 AI 检测器，不是那些给出最笃定结论的工具，而是那些能说明为什么某段文字被标记的工具。值得你花时间的工具会提供句子级证据，坦率说明自身局限，并且从不要求你把概率估计当作证据。下面介绍如何评估它们，以及当标记落在真正由人写出的文字上时该怎么办。
要点总结
- 检测器分数是概率估计，不是作者身份的证据。没有任何工具能告诉你一句话是谁打出来的。
- 句子级高亮比整篇文档分数更重要。它能告诉你哪些行携带信号，哪些行只是噪声。
- 在我们自己对 1,504 篇手写 DeAIze 指南的测量中（2026 年 10 月 4 日），平均 AI 分数为 27%，在 30% 阈值下，1,504 篇中有 487 篇被标记——误报是常态，而非罕见现象。
- 同一次运行对 12 段未经编辑的模型文本评分，平均为 52%，中位数为 49%。人类与机器之间的差距确实存在，但足够狭窄，因此单个高分并不能证明什么。
- 你的工作是分诊，然后展开对话。检测输出是提示你进一步查看，而不是让你下达判决。
- 如果你自己的教学材料或反馈评语读起来像机器生成的，解决办法是编辑，而不是辩解。
为什么检测器会标记学生实际写出的文字？
检测器寻找的是统计规律性：句子长度变化小、用词可预测、少有个人化的表达结构。人类写作通常变化更多——但并非总是如此。用第二语言写作的学生，或撰写正式实验报告的学生，往往会产生与模型相同的平淡、均匀的行文。信号存在重叠。
这种重叠正是误报集中在特定群体周围的原因：非英语母语写作者、使用尚未掌握的语体写作的学生，以及任何迫于压力要显得正式的人。我们自己的测量让这个问题的规模变得具体。在 1,504 篇手写指南中，有 487 篇越过了 30% 的标记阈值。这些都是人类撰写的文档，作者完全没有使用模型。你设定的任何阈值都会捕捉到其中一些。
如果你教多语言学生，在制定任何依赖分数的政策之前，请阅读为什么 AI 检测器会标记非英语母语写作者。
教师实际上应该评估 AI 检测器的哪些方面？
跳过营销页面。像测试学生一样测试这个工具。
| 检查项 | 良好表现 | 应避免 |
|---|---|---|
| 粒度 | 句子级高亮并附文档分数 | 只有一个数字，没有细分 |
| 可解释性 | 显示哪些句子带有信号 | 只说“检测到 AI”，没有细节 |
| 对局限的诚实 | 说明分数是概率估计 | 声称确定性或准确率百分比 |
| 短文本处理 | 样本太短无法评分时发出警告 | 对 80 词答案给出自信分数 |
| 多语言支持 | 说明覆盖哪些语言，以及效果如何 | 对翻译或非英语作品静默失败 |
| 隐私 | 说明提交文本会如何处理 | 含糊的保留措辞 |
| 成本模式 | 符合你的实际用量 | 按席位定价，惩罚单个大班级 |
用同样的三份文档测试每个候选工具：一份你知道是人写的，一份你知道是模型输出，还有一份介于两者之间——经过大量编辑的草稿。第三份才是关键。大多数真实的学生作业都在这里。
如果你想在比较工具之前看看句子级检测实际是什么样子，把你过去的一条反馈评语放进AI 检测器跑一遍，并阅读逐句细分。可以免费试用，它会很快校准你的预期。
教师实际会遇到哪些检测器？
大多数机构不会让你选择。该工具随学习管理系统或提交门户一起提供，你只能得到它生成的报告。最常出现的名称是 Turnitin、GPTZero、Copyleaks、Originality.ai 和 Sapling。
每个工具报告的内容不同，这些差异会影响你如何使用它：
- Turnitin 在生成高亮报告的同时给出一个百分比。该百分比是模型认为可能由 AI 生成的提交文档比例，而非作弊的置信度。在将任何内容写入学生档案之前，请阅读Turnitin 报告的真实含义。
- GPTZero 报告文档级和句子级信号，并明确其输出是概率性的。其误报情况已有充分记录。
- Copyleaks 报告每个片段的得分，这使其更适用于找出与其余部分读起来不同的那一段。
- Originality.ai 更多是为内容团队而非课堂构建的，其报告假定了一种出版工作流程。
- Sapling 提供句子级得分，作为编辑辅助工具效果尚可。
这些都不是测谎仪。它们都会以一定比例标记人类写作。问题在于报告是否提供了足够细节以做出公正判断，以及工具文档是否承认这一点。
当学生的作业被标记时，你该怎么办？
把标记视为一个过程的开始，而不是结束。
- 看看哪些句子被标记了。 如果高亮部分散布在整个文档中，那与中间三个段落被标记是不同的模式。第二种模式信息量更大。
- 要求提供草稿历史。 版本历史、时间戳和早期大纲比任何分数都能说明更多问题。一个能展示作品演变过程的学生已经回答了检测器提出的问题。
- 将被标记的段落与学生的其他写作进行比较。 如果声音一致，标记很可能是噪音。如果不一致，你们就需要进行一次真正的对话。
- 不要把分数计入成绩。 概率估计不是不当行为的证据。如果你所在机构的政策将其视为证据，那该政策需要重新审视——参见学术诚信小组实际评估的内容。
- 记录你观察到的情况，而不是工具说了什么。 “最后一部分在词汇和句子结构上与早期草稿不符”是站得住脚的。“检测器说94%”则不是。
如果你正在起草部门政策，这份学校政策框架涵盖了通常被遗漏的部分。
为什么你自己的反馈读起来像机器写的？
这是老师们很少说出口的部分。你正在批改120篇论文。你写了一次评分标准评语，现在就在粘贴它们。你用模型起草了模块概述，因为这样更快。现在一位同事把你的课程材料通过检测器跑了一遍，评语被标记了。
这种恐惧是真实的，也并非不合理：如果学生可以仅凭一个分数就被指控，你同样也可以。我们的测量运行发现，在人类样本和未经编辑的模型输出中，AI特征频率大约都是每100词1个——表面模式的重叠程度远超大多数人的想象。像“这是一个强有力的回应，展示了对源材料的批判性参与”这样的评语，就是人类和机器写作中都会出现的句子。
诚实的答案不是与检测器争论，而是编辑你自己的文本，使其具备机器写作所缺乏的具体性。指出学生实际提出的论点。引用具体段落。如果那就是你大声说出来的方式，就用句子片段。目的不是逃避检测——而是写出只可能针对那篇论文的反馈。
如果你的材料在发出前需要过一遍，AI 文本编辑器会带你了解先改什么。
如何在不改变原意的情况下修复被标记的文本？
无论是你的反馈评语、学生请你帮忙看的草稿，还是你自己的课程描述，方法都一样。
- 给文本打分并阅读句子级高亮。 不要重写所有内容。只有被标记的行需要处理。
- 为具体性而重写，而非为风格。 用具体的说法替换笼统的说法。“证据使用得当”变成“第二段用 2019 年的调查反驳了先前的说法，这很有效。”
- 检查原意是否保留。 如果重写改变了你原本要表达的意思，无论分数如何，它都失败了。
- 重新打分并比较。 如果分数变了而意思没变，就保留。如果没有，就还原。
一个示例说明，使用一条通用评语：
- 之前：“这篇文章展示了对理论框架的深刻理解，并将其有效地应用于案例研究。”
- 之后：“你正确理解了框架，但案例研究部分只使用了三个条件中的一个。如果你应用第二个条件，你的论点会发生什么变化？”
第二个版本更长、更具体，听起来像是一个读过这篇文章的人。它恰好也在 AI 检测中得分更低，因为它读起来不像模板。
你能在不丢失含义的情况下降低分数吗？
这正是闭环方法发挥作用的地方。DeAIze 对文本进行评分，仅重写被标记的句子，只有在语义相似度确认含义得以保留时才保留重写，然后重新评分并向你展示前后对比。在网站上使用的示例段落中，92% 的 AI 分数变为 4%。在产品自身的运行中，报告的平均降低幅度在人性化后为 60% 以上，最佳情况为 71%。这些是工具的预测分数，不是来自 Turnitin 或其他任何人的官方判定——没有工具能承诺你在第三方检测器上获得特定结果，任何这样做的工具都没有对你坦诚。
对于课堂版本，重要的不是数字。而是你能看到哪些句子发生了变化，并确认含义得以保留。这也是你应该要求任何告诉你他们只用 AI“清理”草稿的学生做到的。
准备好看看哪些句子读起来像机器写的了吗？
将你自己的反馈评语、评分标准用语或一段学生范文样本输入AI 检测器，查看逐句分析。免费试用，注册即赠 200 词额度，无需信用卡。如果被标记的句子是你自己写的，草稿编辑器可以完成改写与验证的闭环。如果你正在为部门评估工具，定价采用按量付费模式，积分永不过期——无需订阅，这在你的批改工作量具有季节性时尤为重要。如果你只是想先看看工具能做什么再做决定，创建账户并在一份文档上试用即可。