很多人把“AI检测”理解成抓作弊，仿佛系统只是在找一句话是不是由ChatGPT吐出来的。真相没那么简单。当前主流检测器更像文本取证工具，它不读作者的动机，只读语言表面留下的统计指纹：句子分布是否过于平滑，用词是否高频收敛，信息推进是否像模板填空。也就是说，哪怕全文是人手敲的，只要文字呈现出“过度规整、低波动、低意外性”的特征，照样可能被算法盯上，这事听着就让人有点发凉。
AI究竟在检测什么
学界常提两类指标：困惑度与突发性。
- 困惑度（Perplexity）：衡量一段文字对语言模型来说“有多好猜”。越好猜，困惑度越低，越像模型常见输出。
- 突发性（Burstiness）：衡量句长、词频、结构变化是否有自然起伏。人类写作常忽快忽慢，AI更容易稳定平均。
一篇文章如果同时出现下面几种信号，风险就会上升：
- 高频套话密集，如“值得注意的是”“从某种意义上说”
- 句子长度过于整齐，几乎每句都在同一区间
- 情绪表达直接贴标签，而不是通过动作、场景渗出
- 段落推进像清单，信息平均铺开，没有“卡顿”和回跳
为什么“流畅”反而危险
不少检测案例里，问题恰恰不是病句，而是太顺了。大型语言模型的训练目标本来就是输出统计上最稳妥的下一个词，所以它擅长生成“八十分、没毛病、也没牙印”的文本。人类真实写作会冒出小偏执：一句突然变短，一个比喻有点野，一段插叙来得不讲道理。检测器抓的，往往就是这种“该有的毛边不见了”。
平台怎么做交叉判断
成熟系统很少只看正文。它们会叠加多维信号：
| 检测维度 | 观察内容 |
|---|---|
| 文本统计 | 词频、句长、重复结构、困惑度 |
| 语义一致性 | 主题是否异常均匀，转折是否模板化 |
| 行为轨迹 | 输入速度、修改次数、版本差异 |
| 语料比对 | 是否接近已知模型输出风格 |
有平台甚至会看编辑轨迹：一篇两千字文章若在90秒内整段出现、几乎无回删，系统自然会起疑。说白了，检测的不只是“像不像AI”，还有“写作过程像不像人”。
最容易暴露痕迹的地方
- 开头万能铺垫，任何主题都能套进去
- 论证像标准答案，每段都平均用力
- 例子悬浮，没有时间、地点、动作这些硬细节
- 结尾强行升华，像把公文盖了个章
真实作者会写出“地铁门刚关上，手机电量只剩2%”这种颗粒感；模型更常写“在快节奏生活中，人们面临诸多挑战”。一个有汗味，一个像空气清新剂。
真要避免被判“AI味”，关键不在躲检测
靠同义词替换、打乱句长、故意加错别字，这类“反检测技巧”已经越来越不灵。更可靠的办法，是让文本重新长出个人经验：具体场景、局部偏见、独有联想、真实犹豫。算法可以模仿风格，却很难稳定复制某个人在某个冬夜闻到医院消毒水时那种不舒服。
检测系统升级很快，但它有个软肋：它识别模式，识别不了活人心里那点拧巴。只要文章里还有这点拧巴，机器看得再认真，也未必敢轻易下结论。
