随着毕业季的到来，高校正面临毕业论文中“AI 味”过浓的新挑战。除了传统的查重、盲审和答辩，今年的毕业生在撰写论文时，又多了一个环节——AIGC（人工智能生成内容）检测。

一些毕业生发现，当论文的AI生成内容比例显示为62%时，远超学校设定的15%上限。然而，在寻求AI模型的帮助，输入“请将这篇论文改写得更像人类撰写”后，再次检测，AI生成内容的比例竟飙升至94%。这种情况并非个例，近期不少毕业生都经历了类似的困扰。

中央电视台近日介绍了检测论文AI生成内容比例的原理。首都师范大学教育学院副院长蔡海龙解释说，传统的查重是通过比对论文语句与现有语料库的相似度来判断重复性，是一种确定性的判断。而AI检测则运用AI系统来识别人类文本，旨在判断文本在语义和表达风格上是否与AI写作存在重叠。这本质上是一种基于概率的分类，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，我们正“用AI去检测AI”，这使得明确区分文本究竟由人类作者还是AI生成变得困难，也导致了无法提供清晰的解释说明，这是技术上的关键障碍。

此外，中文语言表达的丰富性，包括语义的多元化和表达方式的多样性，也给AI系统带来了挑战。这些特点在AI检测人类作者撰写的语句时，容易产生歧义，增加了检测的难度和降低了准确率，是导致误判的重要因素之一。

鉴于AI生成内容检测目前还无法做到绝对精准，教育工作者建议，在论文审核过程中，应建立一个透明且可追溯的AI使用标注制度，而不是仅仅设定一个AI生成内容的“红线”。在判定机制上，应推行以人工评审为主、AI检测为辅的“人机共判”模式。

当前，一些学校为学生的论文设定了AI生成内容比例的“红线”，但许多学生反映，学校的检查依赖于指定的检测平台和算法模型分析。

通常情况下，国内主流高校会使用知网、维普、万方等系统的AIGC检测模块。当央视记者就“AI大模型如何判断文章中AI生成内容的比例”这一问题询问多个大模型时，综合其回答，判断依据主要集中在“困惑度”和“突发性”等特征。AI生成的文本往往表现得更为“平滑”，而人类文本的波动性则更大。

大模型解释称，“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、打破常规的表达，越倾向于被认为是人类所写。“突发性”则关乎文本的节奏波动，人类写作的节奏如同心电图般起伏不定，而AI的输出则更为平稳，如同直线。然而，这种判断的准确性如何呢？

专家对此表示，除了困惑度、突发性等指标，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，这本质上是一种基于概率统计的过程。因此，目前对AI生成内容的检测准确性都无法达到100%，误判的情况时有发生，就像在预测足球世界杯的最终赛果一样，充满了不确定性。