自我剽窃是指重复使用自己的文字、数据或结构，却未加说明地将其当作新内容呈现。这是一个来源问题，而非署名问题。AI 标记则是对文本如何产生的概率估计。同一段落，两种互不相关的失误。解决其中一个并不能解决另一个，而将二者混为一谈，正是人们最终为错误之事辩护的原因。
要点总结
- 自我剽窃 = 在未注明出处或未披露的情况下，重复使用自己先前已发表或已提交的材料。文字是你写的，但读者对哪些内容是新的产生了误解。
- AI 标记 = 检测器对文本看起来像机器生成的估计。它并不说明文字归谁所有。
- 你可以在完全没有 AI 参与的情况下构成自我剽窃，也可以在完全没有自我剽窃的情况下被标记。
- 期刊、大学和出版机构对二者的处理规则不同，通常要求的材料也不同。
- 如果你真正由人撰写的草稿读起来像机器写的，解决办法是调整节奏和具体性，而不是为了检测器而改写。
- 如果你在重复使用自己早先的作品，解决办法是披露和引用，而不是重写。
用通俗的话说，什么是自我剽窃？
你在某期刊上发表了一篇文献综述。两年后，你在一个书籍章节中重复使用了其中四段，却未加引用。这就是自我剽窃。文字是你的，版权甚至可能也是你的，但该章节现在暗示这些段落是为本书新写的。
同样的情况也适用于将学位论文章节改作会议论文、将博客文章搬入客户报告，或在未注明重叠的情况下将基金申请叙述重复用于第二次申请。审稿人会将重叠文本视为试图虚增产出。
还有第二种更隐蔽的形式。你复用了结构——相同的论证顺序、相同的例子、相同的表格——同时改写每一句话。文本匹配工具可能会漏掉它。看过第一版的编辑不会。这是教科书式的自我剽窃，也是大多数人在忙碌时无意中犯下的那种。
实用的检验很简单：如果新文章的读者得知其中一大块内容已在别处存在会感到惊讶，那你就欠他们一个披露。
为什么我自己的写作会被标记为 AI？
这就是让人中招的地方。每个字都是你自己写的，你熟悉材料，但检测器仍然返回高分。这种情况的发生与作弊毫无关系。
公式化的学术文风是典型情况。长名词短语、被动结构、模糊过渡和权重均匀的句子，正是检测器与生成文本关联的模式——而它们也是大量正式写作训练所产出的东西。非英语母语写作者受冲击最大，因为他们被教导的安全措辞与机器措辞重叠。我们自己的关于检测器为何标记非母语写作者的指南详细讲解了其机制。
我们在自己的工具上测量了这一点，而不是猜测。2026-09-19，我们用 DeAIze 检测器（本地集成，lite 层级，30% 标记阈值）对 46 篇手写的 DeAIze 指南进行了评分。AI 得分平均为 27%，中位数为 25%，范围为 0 到 55%。这 46 篇人类撰写的文档中有 17 篇在该阈值下被标记。每一篇都是由人写的。这就是句子级检测的真实图景：它产生的是概率，而不是裁决。
所以当有人说“你的文字读起来像机器写的”，他们通常是在描述一个风格问题。当有人说“这与你之前的论文有重叠”，他们是在描述一个来源问题。在开始修改之前，先问清楚你实际面对的是哪一种。
如果你想在重写任何内容之前看到哪些具体句子带有信号，请将草稿通过 DeAIze AI 检测器 运行。它会对文档进行评分，并按 AI 概率高亮每个句子，这样你就可以只编辑实际被标记的行，而不是整个文件。
自我剽窃与 AI 标记有何不同？
它们会被混淆，因为两者都表现为“这段文字不可接受”，但底层的失败原因并不相关。
| 自我剽窃 | AI 标记 | |
|---|---|---|
| 衡量什么 | 未经披露重复使用自己之前的作品 | 文本看起来像机器生成的概率 |
| 谁受到伤害 | 读者、编辑、版权持有人、资助者 | 没有直接受害者；这是关于过程的信号 |
| 没有 AI 会发生吗？ | 会——完全由人类重复使用 | 会——完全由人类写作 |
| 通常的修复方法 | 引用早期作品，正确引用，披露重叠 | 编辑被标记的句子；保留你的意思 |
| 谁来决定 | 编辑、委员会、出版商、伦理委员会 | 工具给出一个数字；由人类解释 |
| 证据标准 | 文本重叠、版本历史、提交记录 | 概率分数，不是作者身份的证明 |
注意最后一行。检测器分数不是作者身份的证据，将其视为证据是一种范畴错误。如果你陷入争议，有用的材料是你的草稿、笔记、版本历史——请参阅 AI 检测与剽窃：两种不同的失败，了解这两种指控在实践中如何被区别对待。
令人不安的重叠：AI 辅助的自己的作品草稿
现在来看真正让人担忧的情况。初稿是你自己写的。你把它交给模型来润色文字，或者根据你自己的笔记生成一个章节。输出在技术上属于你——你的数据、你的论点——但句子来自模型，而且它们在结构和措辞上与你之前发表的作品相似。
这同时涉及两个问题，而每个问题都需要各自的解决办法。
来源方面是一个披露问题。如果新作品重复使用了你之前的材料，就在方法说明、投稿信或作者注中说明，具体取决于你的发表平台要求哪一种。如果模型塑造了文字，就遵循该平台的 AI 使用政策——许多平台现在要求简短说明该工具做了什么。我们对大学在学术诚信政策下实际允许什么的解析，是这些声明写法的有用模板。
风格方面是一个编辑问题。机器塑造的文字往往节奏均匀、具体细节少，而且充满连接性填充内容。你的任务不是骗过检测器，而是把具体的名词、长短不一的句子以及只有你才能做出的判断放回去。
再诚实地说一点。当想法、数据和结论都属于你时，清理 AI 辅助的草稿是正当的。它不是把别人的作品冒充为自己的方式，而且任何编辑过程都不会改变是谁做了思考。如果这条界线对你来说很模糊，绕过 AI 检测算作弊吗？一项披露测试为你提供了一种检查方法。
一个实例：同一事实，三种草稿
以下内容仅为示例，并非真实提交。
机器式平淡版本： 标准化评估协议的实施已被证明有助于在一系列教育情境中提升机构一致性。
自我抄袭版本： 同一句话，逐字照搬自你早前的论文，且未加引用。
修正版本： 标准化评分细则使各系的结果更加一致——至少在我们调查的三个学院中，引入细则后，评分者间一致性有所提高。
第三个版本做了前两个版本没有做的三件事。它明确了具体范围，提出了明确主张，而且听起来像是一个亲历者在说话。它还恰好读起来不那么像机器生成的，这是写得清楚的副作用，而非某种技巧。
如果你在重复使用自己早先论文中的句子，你仍然需要引用它。修改风格并不能改变其来源。
一份十分钟内可运行的清单
- 列出你之前的产出。 论文、学位论文、报告、已发表的文章、提交的基金申请书。任何读者能找到的东西。
- 标出新稿中的重叠部分。 复制粘贴级别的重用是显而易见的。结构性重用——相同的顺序、相同的例子——才是人们容易忽略的。
- 添加引用或披露。 像引用他人作品一样引用你自己的作品，或在注释中说明重叠部分。
- 逐句给草稿打分。 寻找读者会认为平淡的句子，而不是数字最高的句子。
- 只重写那些句子。 保留原意。添加一个具体的名词、一个你能站得住脚的数字，或一个判断。
- 大声重读。 如果每个句子长度都一样，说明你还没改完。
第四步正是句子级工具发挥价值的地方。单一文档分数无法告诉你任何可操作的信息；知道哪些句子携带信号才能告诉你该把时间花在哪里。这与Sapling的句子级输出背后的逻辑相同——作为编辑辅助工具很有用，作为判定结论则具有误导性。
编辑和委员会实际会问什么
在实践中，这两个问题通过不同的途径出现。
自我抄袭通常通过文本匹配软件、记得你早期论文的审稿人，或出版商的重复率检查而暴露。问题很具体：你重复使用了什么、用了多少、是否披露、你是否拥有权利。以书面形式回答这些问题，大多数情况都能解决。
AI 标记通过检测器报告、可疑的评分者，或导师的直觉而浮现。问题更模糊、争议更大：这个分数意味着什么、阈值是多少、还有哪些其他证据。这正是人们惊慌失措、把一份本来很好的草稿改得面目全非的地方。如果你正处于这种境地，AI 检测误报：被指控时该怎么办 是一条更冷静的路径。
有一点值得直说：机构越来越倾向于把检测器分数视为开启对话的提示，而非结论。带上你的草稿和笔记。如果有早期论文，也带上，并说明你重复使用了什么。对来源的坦诚，能为你争取到的空间远非重写一个段落可比。
准备好看看哪些句子读起来像机器写的了吗？
如果诊断出的是风格问题而非来源问题，下一步就很具体。打开 DeAIze 草稿编辑器，粘贴你担心的段落。检测逐句运行，因此你会得到文档分数和逐句明细——被标记的行就是需要重写的。人性化工具以闭环方式工作：它给文本打分，只重写被标记的句子，仅当语义相似度表明含义得以保留时才保留重写，然后重新打分并向你展示前后对比。在网站自带的示例段落上，92% 的 AI 分数变为 4% AI，多次运行报告的平均降幅为 60%+（最佳情况 71%）——这些是产品自身的预测分数，而非任何第三方检测器的判定。
注册即可免费试用 200 词，无需信用卡。如果你想要完整工作流，定价 采用按量付费，积分永不过期，无需订阅：Starter 20.99 美元/1,000 词，Standard 44.99 美元/3,000 词，Pro 99.99 美元/10,000 词，Max 199.99 美元/30,000 词。重写 Word 文档时会保留字体、样式和表格，.txt 和 .pdf 上传也同样支持。文本仅用于当前任务处理，绝不用于训练，也绝不转售。
而如果真正的问题在于你重复使用了自己早先的作品，那没有任何工具能解决。引用它、披露它，然后继续前进。写作从来都是最容易的部分。