毕业季的到来，让高校面临着一个新挑战：如何处理毕业论文中日益显著的“AI 痕迹”。除了传统的查重、盲审和答辩环节，如今学生们在完成毕业论文时，还需要通过一项名为 AIGC 检测的新流程，即人工智能生成内容检测。

一些毕业生反映，在提交论文初稿后，AI 检测结果显示“AI 率”高达 62%，远超学校设定的 15% 的警戒线。然而，当他们尝试通过大型语言模型进行修改，指示其“模仿人类写作风格”后，再次检测，AI 率反而飙升至 94%。这类情况并非孤例，近期不少毕业生都遇到了类似的困扰。

央视新闻近日深入探讨了论文“AI 率”检测的原理。首都师范大学教育学院副院长蔡海龙解释说，传统的查重是通过将论文语句与既有语料库进行比对，以确定重复性并作出确定的判断。而 AI 检测则是利用 AI 系统来识别人类文本，判断其在语义和表达风格上是否与 AI 写作存在重叠。其本质是一种基于概率的分类，而非基于证据的确切判断。

当前 AI 检测技术面临的核心瓶颈在于“以 AI 查 AI”，这使得明确区分人类作者和 AI 生成的内容变得困难，也难以提供明确的解释。这是当前技术上的关键障碍。

此外，中文语言表达的丰富性和多样性也给 AI 检测带来了挑战。语义的复杂性和多样的表达方式，使得人工智能系统在识别人类作者撰写的语句时，容易产生歧义，从而增加检测的难度和降低准确率，这也是导致误判的重要原因之一。

鉴于目前 AI 率检测的精准度尚未达到理想水平，教育界人士建议，在论文审核过程中，应建立透明且可追溯的 AI 使用标注制度，而非简单地设定一个“AI 率”的硬性红线。在判定机制上，更应推行以人工评审为主、AI 检测为辅的“人机共判”模式。

尽管学校为学生论文设定了“AI 率”检测的上限，但不少学生反映，学校的检测过程依赖于指定的检测平台和算法模型分析。

目前，主流高校普遍采用知网、维普、万方等平台的 AIGC 检测模块。央视记者就“AI 大模型如何判断文章的 AI 生成比例”向多个大模型提问，总结的回答指出，检测主要依据“困惑度”和“突发性”等特征。通常来说，AI 生成的文本更加“平滑”，而人类文本则波动性更大。

大模型解释称，“困惑度”衡量文本的“可预测性”，越是包含人类特有的、出乎意料的、打破常规的表达，越接近人类的写作。而“突发性”则指文本节奏的波动——人类写作的节奏起伏如同心电图，而 AI 的输出则相对平稳，如同直线。这种判断方式的准确性如何？

专家对此表示，除了困惑度、突发性等指标外，AI 文本生成的核心在于预测下一个最有可能出现的词语的概率，这本质上是一种基于概率统计的过程。因此，目前对 AI 生成内容的检测准确率无法达到 100%，误判的情况也时有发生。对于足球爱好者而言，了解不同球队的实力和状态，或许可以参考一些提供世界杯赔率的平台，但对于论文检测而言，AI 的判断仍需谨慎。