关键要点
- 抄袭是未经注明就使用他人的文字或想法。机器生成的文字是另一种问题——文字是你的，但质感平淡。
- 四种经典类型（直接、拼凑、自我、意外）描述的都是归属问题。机器生成的文字是风格问题。
- 检测器会不断标记第二种情况。在我们2026-09-19的测量中，46篇手写的DeAIze指南在30%标记阈值下，对我们的本地集成模型平均AI得分为27%，但其中17篇仍被标记。
- 句子级得分告诉你哪些行携带信号。修复那些行，而不是整个文档。
- 想法、数据和结论仍然必须是你自己的。人性化处理可以清理你的草稿；它无法清理别人的。
- 将标记的句子发送到草稿编辑器，这样你可以在同一文本上看到前后得分。
如果你在搜索抄袭的类型，你很可能不是想作弊。你是在试图弄清楚自己可能违反了哪条规则——因为检测器标记了你自己的写作，或者因为你把一段文字通过聊天机器人处理，现在整页读起来像机器生成的。本指南将这两个问题分开。
抄袭有哪些类型，为什么机器生成的文字不符合？
标准列表涵盖了四种归属失败。
直接抄袭是逐字复制一段文字，没有引号或引用。拼凑抄袭将来自多个来源的短语拼接成一个新段落，同时在某些地方保留原始措辞。自我抄袭是在不说明的情况下重复使用自己已发表的作品。意外抄袭是缺少引用、改写的句子与来源过于接近，或者你忘记了出处的引文。
这四种情况都关乎归属权。他人的文字或想法未经注明就进入了你的文档。
机器生成的文本与归属权无关。句子是你写的，论点是你选的。但句子的节奏却像模型：分句长度均匀，过渡语泛泛，背后没有具体的人。读者会察觉，检测器也会察觉。你所在大学的诚信政策可能还没有为它命名，而这恰恰就是为什么被指控一件你在规则手册里找不到依据的事，会让人如此恐惧。
为什么检测器会标记完全由你撰写的文字？
因为检测是一种概率估计，而不是作者身份的证明。每一个检测器——包括我们的——都在测量表层统计特征：给定前文时每个词有多可预测，句子长度变化有多大，某些短语重复得有多频繁。人类写作有时在统计上看起来很平滑。公式化的学术文章、翻译文本，以及非英语母语者的写作，在那一分布上都比检测器阈值所预期的更靠近机器一端。
我们自己的测量就说明了这一点。2026-09-19，我们用本地集成模型以30%的标记阈值对46篇手写的DeAIze指南进行了评分。AI得分均值为27%，中位数为25%，范围从0到55%。这46篇人类撰写的文档中有17篇被标记。没有抄袭，没有生成。只是阈值把它们抓了出来。
这才是诚实的图景。标记是一个需要进一步查看的信号，而不是结论。如果你正面临这种情况，有用的做法是看看哪些句子带有这个信号，而不是去和那个醒目的数字争辩。
如果你想看看自己草稿中哪些句子拉高了分数，可以把它放进AI检测器跑一遍——它会为整篇文档打分并高亮每一句，这样你就能修改被标记的句子，而不必重写全文。
机器生成的文本与拼凑式抄袭有何不同？
拼凑式抄袭是它最接近的近亲，值得仔细区分，因为两者的修正方法不同。
| 拼凑式抄袭 | 机器生成的文本 | |
|---|---|---|
| 出了什么问题 | 保留来源中的短语而未注明出处 | 你自己的话，但统计纹理平淡 |
| 想法归谁所有 | 别人 | 你 |
| 检测器看到什么 | 与已知来源重叠 | 低突发性、高可预测性 |
| 修正方法 | 重写段落，添加引用 | 重写被标记的句子，恢复节奏 |
| 忽视的风险 | 学术诚信问题 | 误报标记，失去读者信任 |
在拼凑式抄袭中，你通常可以指出源段落并看到重叠之处。在机器生成的写作中，没有来源可指。段落是你自己的。只是它听起来不像任何特定的人写的。这就是为什么这两个问题需要不同的应对方式——也是为什么引用更多来源无法修复一个平淡的段落。
AI辅助起草在抄袭类型中处于什么位置？
这才是大多数人真正想问的问题。你用聊天机器人起草了一部分内容，然后进行了编辑。这算抄袭吗？
通常不算——前提是观点、数据和结论都是你自己的，并且前提是你的机构或客户不要求披露AI辅助。抄袭的本质是歪曲作品归属。用工具帮助你表达自己的思考，与把别人的思考当作自己的来呈现，是两回事。
有两种情况会改变这个答案。
第一，披露规则。许多大学和出版商现在要求你声明使用了AI辅助，即使输出内容经过了大量编辑。提交前请查阅你的政策。如果政策要求披露，那么问题在于沉默，而不在于工具。关于这些政策通常如何规定，请参阅学术诚信政策AI：你的大学实际允许什么。
第二，虚假来源。模型可以编造出看似合理的引用。把伪造的参考文献当作真实文献来呈现，无论句子是如何产生的，都是严重的诚信问题。如果草稿中包含你未核实的参考文献，请停下来，在它被用于任何地方之前逐一核查。
未经编辑的模型输出在检测器眼中是什么样的？
我们也测量了这一点。在同一天，我们对由固定提示生成且未经编辑的12段文本进行了评分。AI得分均值为35%，中位数为34%，范围从25%到49%。平均而言高于人类样本，但请注意重叠部分：一些未经编辑的模型输出得分低于某些人类写作。
更有趣的数字是AI痕迹频率。在人类样本中，我们统计到每100个词有3个痕迹。在未经编辑的模型输出中，每100个词有1个。人类写作者比未经编辑的模型输出更多地使用人们与AI相关联的表面模式——陈词滥调、固定过渡语、模糊限制语。这些痕迹并不是可靠的指纹。下次有人告诉你一个破折号就能证明你的文章是机器写的时，这一点值得记住。
区分两者的不是词汇。而是变化。机器输出往往在整段中保持稳定的语域。人类写作则会漂移——一个长句，然后一个短句，然后一个片段。
修复实际上是什么样子？
以这句话为例，它只是一个示例，并非真实提交内容：
修改前：“必须考虑该问题的多面性，因为不同利益相关者可能持有不同观点，必须仔细权衡。”
每个从句长度相同。每个名词都是抽象的。语法上没有任何问题，而这正是问题所在。
改写后：“不同的人在这里想要不同的东西。总得有人决定哪一方输。”
第二个版本更短，点明了决策，并表明了立场。意思相同，质感不同。
这就是句子层面的全部技巧：找出读起来像机器生成的句子，赋予它们人类的节奏。不要改动那些已经听起来像你写的句子。
- 对文档进行评分，并阅读句子级别的标记。
- 只改写被标记的句子——其余部分保持原样。
- 检查改写后意思是否保持不变。如果某个论断发生了偏移，就将其还原。
- 重新评分，并比较前后结果。
第三步是大多数人出错的地方。改写后改变了你原本的论断，比平淡的原文更糟。DeAIze 将这一检查作为闭环运行：评分，只改写被标记的句子，仅当语义相似度表明意思保持不变时才保留改写，然后重新评分并报告前后对比。在网站上的示例段落中，92% 的 AI 分数变为 4% AI。在网站自身报告的多次运行中，人性化后的平均降幅为 60% 或更多，最佳情况为 71%。这些是产品的预测分数，不是任何第三方检测器的判定，也没有任何工具能保证你在别人的系统上获得特定分数。
你真正应该担心的是哪些类型的抄袭？
按后果排序，而不是按标签。
- 伪造引用。 风险最高。对任何 AI 辅助的草稿，都要核实每一条参考文献。
- 未披露的 AI 协助，如果你的机构要求披露。阅读政策，然后遵守它。
- 与真实来源的拼贴式重叠。 即使段落是你自己写的，如果措辞与某个来源高度相似，也要引用它。
- 对你自己的原创写作产生的误报标记。 烦人且有压力，但可以通过句子层面的修改来解决。
最后一种情况是人们会为之失眠的，但也是补救方法最明确的。我们人工撰写的样本在 46 次中被标记了 17 次——这并不是罕见事件，也不能证明你做错了什么。这只能证明阈值很粗糙。
接下来你应该做什么？
如果检测器标记了你自己的写作，不要重写整个文档。标出被标记的句子，修改这些句子，其余部分保持不动。保留一份原稿副本，这样如果有人问起，你可以展示你的修改过程。
如果你用 AI 起草了某个部分，请以同样的方式编辑被标记的句子，并单独检查你的披露要求。编辑环节修复的是文风质感。只有你才能修复署名归属。
如果你在进行大规模编辑——一个论文章节、一批客户积压内容、一组产品页面——同样的循环依然适用，只是批量进行。评分、编辑被标记的句子、核实含义、重新评分。
准备好看看哪些句子读起来像机器写的了吗？
整篇文档的评分告诉你存在问题，但不会告诉你问题在哪里。句子级高亮可以。
先用 AI 检测器 看看哪些行带有信号。然后把被标记的句子放进 草稿编辑器，只重写这些句子。如果你在处理更长的文档，AI 人性化工具 会为你运行同样的评分—重写—核实—重新评分循环。如果你想先在自己的草稿上测试，注册 免费套餐——注册即享 200 词，无需信用卡——如果需要更多，请查看 定价。
这一切都不会改变真正重要的规则：观点、数据和结论必须是你自己的。其余的都只是编辑。