reducing-aigc-detection

# 降AIGC · reducing-aigc-detection > 检测器追的是统计均匀性，反检测的本质是重新注入人类写作天然的 variance 和 imperfection。 ## 何时使用 | 场景 | 使用 | 说明 | |------|------|------| | AIGC 检测报告显示高于红线 | YES | 核心场景 | | 论文提交前预防性降 AI | YES | 不需要检测报告 | | 已有 AI 辅助写作的论文需要人性化 | YES | 最佳实践 | | 纯人工写作但误判率高 | YES | 可针对性微调 | | 想批量处理多份文件 | NO | 每篇需要定制化处理 | ## 核心原理 ### 检测器三板斧 | 指标 | 含义 | AI 文本特征 | 人类文本特征 | |------|------|------------|------------| | Perplexity（困惑度） | 文本可预测性 | 极低（<30） | 中高（60-120） | | Burstiness（突发性） | 句长变化幅度 | 极低，句长均匀 | 高，长短交替 | | Token 概率分布 | high-prob token 占比 | >85% | <70% | ### 平台差异 | 平台 | 特殊机制 | 关键应对 | |------|---------|---------| | **维普** | 章节加权（摘要 1.8x，引言/结论 1.5x）；拼接预警（风格断层 +10-15%） | 优先改摘要；全文风格一致 | | **知网** | 3.0+ 分析论证深度曲线；4.0 标注"结构工整度过高" | 制造浅→深螺旋节奏 | | **Turnitin** | 2025.8 可识别 humanizer 工具痕迹 | 不用洗稿工具，手动改写 | ## 执行流程 ### Phase 0: 侦察 1. 读取检测报告 PDF（如有），提取各章节 AIGC 占比 2. 如无报告，通读全文预判高风险段落 3. 按 AIGC 率 x 章节权重 排序，确定改写优先级 ``` 优先级 = AIGC率 × 章节字数 × 平台权重系数 ``` ### Phase 1: 分级定策 | AIGC 率 | 策略 | 改动幅度 | |---------|------|---------| | >80% | 整段重写 | 保留核心论点，彻底换表达 | | 40-80% | 重点改写 | 换骨架、注入个人经验、打碎并列 | | 20-40% | 局部手术 | 替换 AI 特征词、打断过渡链、加短句 | | <20% | 微调或不动 | 仅修复明显 AI 模板词 | ### Phase 2: 改写执行 #### 改写层级（按效果排序） **第一层：结构层（降 60-70%，最高优先）** - 消灭「N个方面：第一…第二…第三…」并列模板 - 打破「背景→分析→结论」标准三段论 - 制造论证深度不均匀：核心论点厚写，次要一笔带过 - 长短句交替：穿插 5-10 字短句与 30-40 字长句 - 加入自我修正轨迹：「最初以为…后来发现…」 **第二层：词汇层（降 10-15%，配合第一层）** 中文 AI 高频触发词黑名单（必须替换或删除）： ``` 值得注意的是 / 综上所述 / 不可否认 / 首先…其次…最后 研究表明 / 结果显示 / 此外 / 总之 / 不仅…而且 主要体现在N个方面 / 具有重要意义 / 发挥着重要作用 在…...