信号不是定论
AI 检测器的局限：如何理解误报、漏报与检测结果
AI 文本检测是根据模式、参考数据和当前可分析文本作出的估计。负责任的结果应同时保留不确定性和上下文，而不是把分数伪装成证据。
误报确实可能发生
误报是指人工写作包含了与机器辅助写作相似的模式。规范化的论文语言、标准化商业表达、语言学习者写作、翻译文本和大幅修改后的文本，都可能对自动检测造成困难。
因此，较高信号最多应当引发进一步阅读或沟通。它不应单独触发学术、用工、法律或纪律结论。
漏报同样可能发生
漏报是指经过 AI 辅助的文本没有显示出明显信号。重写、改写、翻译、短片段、人与机器混合写作，以及不在当前证据范围内的表达，都可能让信号降低。
任何检测器都不能保证找出所有 AI 辅助写作。较低信号也不等于证明每个字都由作者独立完成。
这些输入需要特别谨慎
- 很短的文本，因为几句话能提供的证据有限。
- 翻译、多语言或经过大量人工编辑的文本。
- 代码、公式、列表、引用、表格和模板化写作。
- 与参考证据差异较大的专业领域或文体。
- 扫描文档或文本提取不完整的文件。
请同时查看产品页面上的覆盖范围与可靠性提示。没有足够可分析文本时，任何数字都不应被当作整篇文档的强结论。
不要把文本归因给某个具体产品
重叠的写作模式不能可靠识别 ChatGPT、Claude、Gemini、DeepSeek 或其他具体厂商。即使结果显示较强的 AI 相关信号，也不能从文本本身得出提示词、工具、作者、编辑过程或来源。
使用能够被证据支持的表述
“这段文字包含值得复核的信号”是复核意见；“这证明某人使用了某个系统”则是文本本身无法支持的归因。
检测结果应该和什么结合？
- 草稿、版本记录、笔记、引用和原始资料。
- 对内容的事实理解，以及作者解释工作过程的能力。
- 一致的制度、人工审查，以及对重要决定的申诉机会。
涉及学业、就业、法律或纪律的重要决定时，自动检测器不应成为唯一证据。