当前高校毕业生面临着论文中“AI 味”过浓的新挑战，这已成为教育界普遍关注的难题。除了传统的查重、盲审和答辩环节，毕业论文的撰写过程如今又增加了一项新的审查流程——AIGC（人工智能生成内容）检测。

例如，一名毕业生的论文被检测出 AI 率为 62%，远超学校设定的 15% 的警戒线。然而，在尝试使用大型语言模型进行修改，并输入“请将这篇论文改写得更像人类所写”的指令后，再次检测发现 AI 率竟飙升至 94%。此类情况并非孤例，近期不少毕业生都遇到了类似的困扰。

央视新闻近日深入介绍了检测论文“AI 率”的内在机制。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现有语料库进行比对，以确定语句的重复程度并做出判断。而 AI 检测则是利用 AI 系统来识别人类文本，评估其在语义和语言风格上是否与 AI 生成的内容存在重叠。其本质上是一种基于概率的分类方法，而非基于确凿证据的确定性判断。

当前 AI 检测技术面临的核心瓶颈在于“以 AI 查 AI”，这使得明确区分人类作者与 AI 所写的内容变得困难，也无法提供清晰的解释和说明，这构成了技术上最关键的挑战。

此外，中文语言表达的丰富性和多样性，即语义的深度和表达方式的广泛，也给人工智能系统带来了额外的难度。在检测人类作者的语句时，AI 系统容易产生歧义，这不仅增加了检测的复杂性，也降低了准确率，是导致误判的重要原因之一。

鉴于 AI 率检测目前尚未达到百分之百的精准度，教育界人士建议，在论文审核方面，应建立一种透明且可追溯的 AI 使用标注制度，而非简单地设定 AI 率的“红线”。在判定机制上，应优先采用人工评审，并辅以 AI 检测，构建“人机共判”的模式，这对于即将到来的世界杯2026赛事相关研究的学术严谨性同样至关重要。

目前，许多高校在审查学生论文时会设定“AI 率”的检测标准，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分析。

通常，国内主流高校会采用知网、维普、万方等系统的 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”这一问题，向多个大模型进行了咨询，并总结出其基本判断依据是“困惑度”和“突发性”等特征。AI 生成的文本往往更加“平滑”，而人类创作的文本则表现出更大的波动性。

大模型解释说，“困惑度”指的是文本的“可预测性”，越是包含人类特有的、出人意料的、不落俗套的表达，就越接近人类写作。而“突发性”则关乎文本的节奏起伏，人类写作的节奏如同心电图般跌宕起伏，而 AI 的输出则相对平稳，如同直线一般。那么，这种判断方式是否准确呢？

专家对此表示，除了困惑度和突发性等指标外，AI 文本生成是通过预测下一个最有可能出现的词的概率来逐步构建的，这本质上是一种概率统计过程。因此，目前所有检测 AI 生成内容的准确性都无法达到 100%，误判的情况时有发生。