毕业季的到来，高校正面临着论文中“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毕业论文时，又增加了一个环节——AIGC（人工智能生成内容）检测。

设想一名毕业生，其论文的AI生成内容比例为62%，远超学校15%的限制。然而，在寻求大型语言模型帮助修改后，重新检测发现AI率竟飙升至94%。这种情况并非孤例，近期不少毕业生都遇到了类似的困境。

央视新闻近日深入介绍了检测论文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与现有语料库中的语句来判断重复性，是一种确定性的判断。而AI检测则是利用AI系统分析人类文本，判断其在语义和表达风格上是否与AI写作存在重叠，其本质是一种基于概率的分类，而非基于证据的确定性判断。

当前AI检测技术面临的核心瓶颈在于“用AI检测AI”，这使得精确区分人类作者与AI生成的文本变得困难，也难以提供明确的解释和说明，这是技术上的关键障碍。

此外，中文语言表达的丰富性和多样性也给AI检测带来了挑战。中文语义的复杂以及多样的语句表达方式，使得人工智能系统在检测人类写作的语句时容易产生歧义，从而增加检测的难度和影响准确率，这也是导致误判的重要原因之一。

鉴于AI生成内容检测目前尚未达到完全精准，教育界人士建议，在论文审核过程中，应建立透明且可追溯的AI使用标注制度，而非简单地设定AI生成内容比例的“红线”。在判定机制上，应确立以人工评审为主、AI检测为辅的“人机共判”模式。

目前，许多高校在检测学生论文的AI生成内容比例时，依赖于指定的检测平台和算法模型进行分析。

据了解，主流高校通常会采用知网、维普、万方等系统的AIGC检测模块。央视记者就“AI大模型如何检测一篇文章有多少内容由AI生成”的问题，咨询了多个大模型，并总结出其判断依据主要基于“困惑度”和“突发性”等特征。AI生成的文本往往更为“平滑”，而人类文本则波动性更大。

大模型方面解释，“困惑度”是指文本的“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，就越倾向于人类写作。而“突发性”则指文本节奏的波动——人类写作如同心电图般起伏不定，而AI输出则相对平稳，如同直线。那么，这种判断方法是否准确呢？

专家对此表示，除了困惑度、突发性等指标外，AI文本生成是基于预测下一个最有可能出现的词语的概率来逐步构建的，本质上是一种概率统计。因此，目前对AI生成内容的检测准确性无法达到100%，误判的情况也时有发生。