我们对欧盟文本来源规则的做法很简单：来源标签说明文本来自哪里，而不是谁写的，它们不会改变你编辑的方式。如果你要发布到欧盟，请查看主要来源 openai.com/index/eu-text-provenance，保留你的草稿，并修正你真正能控制的写作。标签是元数据。你的手稿仍然是你的。
本周实际发生了什么变化？
现在，一个来源层会附加到通过某些 AI 系统生成的文本上，而最先感受到这一点的是那些将内容投放到欧盟市场的人：营销团队、拥有欧盟客户的代理机构、向欧盟主办的期刊投稿的研究人员，以及任何其 CMS 通过模型 API 传输内容的人。这一变化关乎来源的可追溯性，而不是给你的文字打分。其中没有任何内容衡量一段文字读起来是否像机器写的。
这一区别很重要，因为我见过的大多数恐慌性邮件线程都把两件不同的事混为一谈：
| 信号 | 它报告什么 | 它不能证明什么 |
|---|---|---|
| 来源元数据 | 哪个系统生成或处理了一段文本 | 谁写出了这些想法，或是否有人类编辑过 |
| AI 检测器分数 | 措辞中的统计信号 | 作者身份、意图或不当行为 |
| 相似度百分比 | 与参考语料库的重叠 | 该重叠是引用、注明出处，还是偶然的 |
模型分数、符合条件文本的占比，以及相似度百分比并不能互换。这三者都不是对作者身份的裁决。如果客户、编辑或委员会把其中任何一个当作证据，那是流程问题，不是写作问题。
谁先被波及，谁不会？
实际影响范围比新闻标题所暗示的要窄。如果你的文本经过一个记录来源的系统，并且你发布到欧盟，你就会受到影响。如果你在纯文本编辑器中写作、粘贴到不调用模型的 CMS 中，或在欧盟范围之外发布，你基本上不会受到影响。
被夹在中间的是那些把 AI 当作起草辅助工具、然后大量手动编辑的人。他们的最终文本可能带有起草阶段的来源记录，但读起来完全不像模型的输出。这就是那个尴尬的情况，值得坦诚地指出：来源标签在工具方面可能技术上准确，但对写作本身却完全没有说明力。
以下是让你远离麻烦的步骤：
- 将原始来源页面导出为 PDF，并确保日期可见。
- 检查你的发布技术栈是否将文本发送到模型 API。询问你的平台负责人，不要猜测。
- 保留你自己的版本历史：初稿、模型辅助草稿、最终编辑。
- 在编辑日志中注明哪些部分有模型辅助，哪些没有。
- 如果必须披露，披露工具和阶段，而不是对作者身份做忏悔。
如果文本上的标签比写作本身更让你担心，先把草稿跑一遍 AI 检测器。句子级评分会显示哪些行带有信号，这样你就可以只编辑需要编辑的行，而不用盲目重写整篇文档。
来源标签是否意味着检测器会标记我？
不会，而这是我听到最多的反对意见：“如果标签在那里，检测器就会匹配到它。”来源和检测运行在不同的机制上。来源是附加在生成事件上的记录。检测是对其面前措辞的统计读取。
我们在自己的材料上测试了这一点。在 2026-09-28，我们使用 DeAIze 检测器（本地集成，lite 层级）以 30% 标记阈值对两个语料库进行了评分。来自 DeAIze 指南的 709 个未标记为生成的段落的参考样本返回的 AI 分数均值为 26%，中位数为 25%，范围为 0-69%，其中 709 个段落中有 239 个达到或超过阈值。这些是段落计数，不是独立文档的计数，且人类作者身份未经独立验证。未编辑的模型输出，来自固定提示的 12 个段落，返回的均值为 33%，中位数为 34%，范围为 4-46%。
把这两个范围放在一起看。它们重叠。模型输出范围低端的段落低于参考范围高端的段落。这就是为什么单个数字无法解决作者身份问题的全部原因，也是为什么来源标签加上检测器分数仍然不能构成证据。
常青修复：编辑携带信号的句子
无论标签怎么说，编辑工作都是一样的，而且这就是我们在人性化 AI 文本支柱指南中描述的工作。你不是在试图打败一个工具。你是在试图让文本听起来像一个有具体内容要说的人。
从句子级检测器高亮的段落开始。在我们自己的样本中，AI 特征频率在参考语料库中为每 100 词 1 次，在未编辑的模型输出中也是每 100 词 1 次，因此仅凭频率无法区分优秀散文和生成散文。区分它们的是分布：生成文本倾向于均匀地散布相同的习惯，而人类草稿则将其怪癖聚集在一起。
一个示例说明，并非真实客户文档：
- 之前：“为了确保在所有相关利益相关者中实现全面合规，考虑来源要求的多方面性质是很重要的。”
- 之后：“来源规则适用于三类群体：发布者、平台，以及任何通过模型 API 传输文本的人。检查你属于哪一类。”
第二个版本点出了一个数字，列出了群体，并去掉了冗余。它还改变了主张，而这正是人们会忽略的部分。任何改变数量、引用、否定或限定词的改写都损害了文档，即使分数下降。将每个修订后的句子与原文进行比较，并自行核实事实。语义相似度是审阅辅助工具，并不能证明含义得以保留。
何时这是错误的选择
如果你处于以下情况之一，不要为此购买任何东西。
- 你正身处一场作者身份争议中。改写工具不是证据，而编辑有争议的文本可能会毁掉你需要的记录。保留原始版本，保留时间戳，并遵循你所在机构的流程。
- 你的政策完全禁止 AI 辅助。那么解决办法不是改写，而是与你的主管就你实际做了什么进行沟通。
- 你从未使用过模型，你的文本是干净的。来源溯源规则不是你把自己的作品拿去用改写工具处理的理由。
- 你需要一个 Turnitin 数字。没有人能向你保证。DeAIze 不提供官方的 Turnitin 读数或 Turnitin 分数估算器，任何声称能做到这一点的工具都是在向你兜售猜测。
如果你的情况是委员会或客户在提出尖锐问题，有用的读物是我们关于高分究竟意味着什么的指南，它讲的是当这个数字受到质疑时该如何回应，而不是如何隐藏它。
今天该做什么，按顺序来
十分钟的行政事务胜过一周的焦虑。
- 阅读原始来源，并记下你阅读它的日期。
- 询问你的平台，文本是否会离开你的 CMS 发送到模型 API。
- 将你的版本历史归档到你掌控的地方。
- 用句子级检测器运行草稿，只标出被标记的行。
- 编辑这些行使其更具体，对照原始来源核实每一个数字和引用，并保留两个版本。
- 如果要求披露，请明确说明工具和使用阶段。
这就是全部方法：知道这个标签记录了什么，知道它不记录什么，并把你的精力花在读者真正会用来评判你的句子上。想法、数据和结论必须是你自己的。没有任何标签能改变这一点，也没有任何检测器能衡量它。
如果你想在开始编辑前查看哪些句子携带信号，重写试用会在邮件确认后提供200个单词，无需信用卡，检测限制显示在当前界面中。
测量说明：本文中的数字来自我们自己的检测器，运行于2026-09-28——n = 709个来自未标记为生成的指南的参考段落，对比n = 12个未编辑的模型段落，AI得分中位数分别为25%和34%。参考作者身份未经独立验证；段落并非独立文档。方法：/methodology/。