描述

降 AI 率核心原理备忘 AI 检测器的识别原理 AI 检测工具（如知网 AIGC 检测、GPTZero、Originality.ai 等）的核心识别逻辑基于以下统计特征： 1. 困惑度（Perplexity）: AI 生成的文本因选择的是“概率最高的下一个词”，整体困惑度低。人类写作会选择更多“不那么常见但恰切”的词，困惑度高。→ 改写策略：S4 词汇去标准化。 2. 突现度（Burstiness）: AI 生成的句子长度高度均匀，突现度低。人类写作的句长波动大，有时极短，有时极长，突现度高。→ 改写策略：S1 句长突变注入。 3. 过渡词密度： AI 过度依赖显性过渡词（“此外”“然而”“因此”“综上所述”），密度异常高。人类更多使用隐性语义衔接。→ 改写策略：S2 模板词清除。 4. 结构模板化： AI 倾向使用“总-分-总”三段式、等长并列项、“首先-其次-最后”序号结构。人类结构更灵活多变。→ 改写策略：S3 结构打破。 5. 词汇多样性（TTR）: AI 在长文本中词汇重复率高，TTR 偏低。人类自然写作的词汇范围更广。→ 改写策略：S4 词汇去标准化。 6. 信息呈现线性度： AI 习惯按逻辑顺序平铺直叙，信息密度均匀。人类会使用倒叙、插叙、对比跳跃等非线性手法。→ 改写策略：S6 信息密度重组。 教材文体的特殊约束 教材降 AI 率不能像普通网文那样随意口语化，必须遵守： • 学术严谨性底线： 不得使用网络流行语、过度口语化表达、表情符号。 • 术语准确性底线： 学科专业术语一律保留原文，不得“同义替换”为不准确的说法。 • 逻辑完整性底线： 因果关系、分类体系、操作步骤的逻辑不得因改写而改变。 • 引用规范底线： 引用的文献、法规、标准编号不得篡改。 • 教学适用性底线： 改写后的文本仍须适合学生阅读理解，不得为了降 AI 率而牺牲可读性。