AI 文本检测器如何工作，又会在哪里出错

2026 年 10 月 28 日 · 阅读约 6 分钟 · ZeroClaude 团队

每隔几周就有新的大模型登上头条，也总有人问同一个问题：真的能看出一段文字是不是机器写的吗？老实说，答案是“多数时候可以，但不总是”。要理解原因，先要知道检测器到底在看什么。

模型写的是“最可能的下一个词”

语言模型一次生成一个词元，每一步都倾向于在当前语境下统计上最可能出现的词。人写作时也会这样，但远没有那么稳定：我们会因为“读起来顺”而挑一个不常见的词，会写到一半改主意，累了还会重复自己。检测器要衡量的正是这种可预测性上的差异。

检测器综合的几类信号

• 可预测性：每个词对参考模型来说有多“意外”。整段文字都几乎不让人意外，是生成文本的典型特征。
• 节奏变化：人写的文字长短句交错、节奏多变；生成文本往往节奏均匀。
• 套话：“此外”“综上所述”“值得注意的是”这类过渡语在模型输出中出现得多得多。
• 具体性：个人经历、人名、亲身经历中的数字和小小的前后不一，在人写的文字里更常见。

ZeroClaude 用一个专门识别这些特征的语言模型逐句打分，再与句长变化等统计指标融合。总百分比就是被高亮部分占全文的比例，所以数字和高亮始终一致。

为什么分数是概率而不是结论

检测器是用样本训练出来的，而样本永远覆盖不了所有情况。一小段文字本身就没有足够的信号；经过大量修改的 AI 草稿可能读起来像人写的；严谨的人类作者也可能写得像机器。所以我们给出的是百分比和逐句高亮，而不是一个“是”或“否”的印章。

容易让检测器误判的文字

• 格式化文本：摘要、法律条款、产品描述、求职信都遵循固定套路，看起来像生成的。
• 非母语写作：词汇简单、语法规范，可能被不公平地打高分。
• 很短的文本：少于约 150 词时，任何检测器都不可靠。
• 列表和定义：事实性、中性的句子，没有个人语气。

如何解读结果

把分数当作沟通的起点。看看哪些句子被高亮、它们和全文是否协调。如果事关重大，可以索要草稿、笔记或版本历史。也请记住：没有任何工具（包括我们）能证明一段文字是谁写的。

继续阅读