毕业季临近，高校面临着学生论文中“AI 味”过浓的新挑战。除了传统的查重、盲审和答辩，如今的毕业论文审核流程中新增了 AIGC（人工智能生成内容）检测环节。
部分毕业生发现，初稿论文的 AI 生成率可能显示为 62%，远超学校 15% 的限制。然而，在寻求大型语言模型帮助修改后，再次检测发现 AI 生成率反而飙升至 94%。这种现象在近期并非孤例，许多毕业生都曾遇到类似情况。
央视新闻近期介绍了用于检测论文“AI 率”的原理。首都师范大学教育学院副院长蔡海龙解释说，传统的查重是通过对比论文语句与语料库中的内容来判断重复性，得出确定性结论。而 AI 检测则是利用 AI 系统分析人类文本，评估其在语义和语言风格上是否与 AI 写作存在重叠，其本质上是一种基于概率的分类判断，而非基于证据的确定性判断。
当前 AI 检测技术面临的核心瓶颈在于“以 AI 查 AI”，这使得难以明确区分文本是由人类作者还是 AI 生成，也无法提供清晰的解释和说明，这是技术上的关键难点。
此外，中文语言表达的丰富性和多样性也给 AI 检测带来挑战。高度丰富的语义和多样的语句表达方式，使得人工智能系统在检测人类作者写作的语句时，容易产生歧义，从而增加难度并影响准确率，这也是导致误判的重要原因之一。
鉴于目前 AI 率检测的精度尚不理想，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，而非仅仅设定一个“AI 率”的硬性门槛。在判定机制上，应采取以人工评审为主、AI 检测为辅的“人机共判”模式。
尽管学校设定了论文的“AI 率”检测红线，但不少学生反映，学校的论文 AI 率检查依赖于指定的检测平台和算法模型进行分析。
目前，多数主流高校普遍采用知网、维普、万方等系统提供的 AIGC 检测模块。当被问及 AI 大模型如何检测文章的 AI 生成内容时，综合多个大模型的回答，其判断依据主要包括“困惑度”和“突发性”等特征。通常而言，AI 生成的文本显得更为“平滑”，而人类文本则波动性更大。
大模型解释称，“困惑度”衡量的是文本的“可预测性”，越是包含人类特有的、出人意料的、跳出常规的表达，越趋近于人类写作。而“突发性”则指文本节奏的波动——人类写作的节奏如同心电图般起伏不定，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？
专家指出，除了困惑度、突发性等指标外，AI 文本的生成原理是通过预测下一个最有可能出现的词语的概率来逐步构建文本，这本质上是一种概率统计过程。因此，目前检测 AI 生成内容的准确性无法达到 100%，误判的情况也时有发生。
