描述

降AI 率核心原理備忘AI 檢測器的識別原理AI 檢測工具（如知網AIGC 檢測、GPTZero、Originality.ai 等）的核心識別邏輯基於以下統計特徵： 1. 困惑度（Perplexity）: AI 生成的文本因選擇的是“概率最高的下一個詞”，整體困惑度低。人類寫作會選擇更多「不那麼常見但恰當」的詞，困惑度高。 → 改寫策略：S4 詞彙去標準化。 2. 突現度（Burstiness）: AI 產生的句子長度高度均勻，突現度低。人類寫作的句長波動大，有時極短，有時極長，突現度高。 → 改寫策略：S1 句長突變注入。 3. 過渡詞密度： AI 過度依賴顯性過渡詞（「此外」「然而」「因此」「綜上所述」），密度異常高。人類較多使用隱性語意銜接。 → 改寫策略：S2 模板字清除。 4. 結構模板化： AI 傾向使用「總-分-總」三段式、等長並列項、「首先-其次-最後」序號結構。人類結構更靈活多變。 → 改寫策略：S3 結構打破。 5. 詞彙多樣性（TTR）: AI 在長文本中詞彙重複率高，TTR 偏低。人類自然寫作的詞彙範圍更廣。 → 改寫策略：S4 詞彙去標準化。 6. 資訊呈現線性度： AI 習慣以邏輯順序平鋪直敘，資訊密度均勻。人類會使用倒敘、插敘、對比跳躍等非線性手法。 → 改寫策略：S6 資訊密度重組。 教材文體的特殊約束教材降AI 率不能像普通網文那樣隨意口語化，必須遵守： • 學術嚴謹性底線： 不得使用網絡流行語、過度口語化表達、表情符號。 • 準確性底線一詞： 學科專業術語一律保留原文，不得「同義替換」為不準確的說法。 • 邏輯完整性底線： 因果關係、分類系統、操作步驟的邏輯不得因改寫而改變。 • 引用規範底線： 引用的文獻、法規、標準編號不得竄改。 • 教學適用性底線： 改寫後的文字仍須適合學生閱讀理解，不得為了降AI 率而犧牲可讀性。