英文论文 AIGC / AI 查重要注意什么

英文稿的 AIGC 检测分数，只能在「同一段稿子 + 同一个系统」的口径里比较，跨工具比较基本没有意义：有高校做过实测，100% 由 AI 写成的英文稿在 Turnitin 上拿到过 0%；而 ZeroGPT 在一份千篇基准里，把 18.4% 的人类文本判成了 AI。规则和中文稿同思路、不同坑——先把口径确认清楚，再看数字，最后才轮到改。

先确认检测对象与系统

做英文稿 AI / AIGC 检测的同学在增多：有的是全英专业课论文，有的是中文学位要求附英文摘要，还有准备投国际期刊的作者。动手之前先弄清三件事：学校要的是英文全文、英文摘要，还是中英混排；指定系统是否支持英文模型，有的产品中英文分数不可比；期刊投稿另有查重和 AI 政策，与学位论文要求分开执行。口径不一致时，分数再好看也交不了。

六个主流工具，公开口径摆在一张桌上

六家工具的官方口径，我抄在一张纸上对了一遍，抄完发现没法横比：同样说「准确率 9 成」，Turnitin 的 92% 和 Originality 的 98% 来自不同的数据集、不同的阈值，连「准确率」的定义都不一样。想看它们在同一场测试里的表现，只能去找公开的第三方评测，而这样的东西市面上并不多。

工具	技术路线（公开口径）	公开准确率	已知问题
Turnitin	Transformer 分类器为主 + 滑动窗口句级加权；最低约 300 词	官方口径 92%；声称 AI 占比 >20% 的文稿误报 <1%	另一份评测里 AI 检出只有 29%；有高校 2025-09 实测：100% AI 写的稿能拿到 0%；官方承认非母语写作者更易被误判
ZeroGPT	免费在线检测	同一基准 88.2%	同一基准里人类误报率 18.4%
GPTZero	困惑度 + burstiness + 模型层	同基准 98.7%	人类误报 2.2%
Sapling	分类器	同基准 88.6%	人类误报 19.4%
Originality.ai	自研 Transformer + ELECTRA 式判别器	官方 98%；另有评测 AI 检出 83%	人类正确 96%
Copyleaks	分类器	77%	—

把六个工具放在一张表里，最扎眼的不是谁第一名，而是「公开准确率」和「已知问题」两列之间的落差：官方口径都在 90% 上下，落到独立评测里，Turnitin 的 AI 检出率有一份评测只给出 29%，ZeroGPT 和 Sapling 的人类误报都在 18% 往上——近两成真人写的稿子，要平白多跑一遍解释流程。表中带「同一基准」字样的数字出自 2026 年一份商业方组织的英文基准，1,000 篇英文样本同时喂给各家；商业方出的测试免不了带立场，这些数字只拿来看趋势就好。

为什么同一篇稿，数字差这么多

原因不玄，一句话概括：每家检测器吃的数据和想保护的对象不一样，「口味」就不同。

原因	说明
技术路线不同	统计信号（困惑度 / burstiness）· 判别模型（序列分类器）· 两者融合
校准取向相反	Turnitin 保守，优先压误报；Originality 激进，追高召回
改写会集体失效	paraphrase 之后，几乎所有工具准确率明显下降
非母语文本高发	句式与词汇变化少，与机器特征重叠

展开说两点。其一，统计信号这一路看的是困惑度和突发性——机器写的文本用词分布更「平」，人类写作则长长短短、起起伏伏；分类器这一路是拿海量样本训出来的判别模型，喂过什么数据，就对什么口味敏感。其二，校准取向决定了性格：Turnitin 面对的是高校申诉场景，宁可漏判也要压误报；Originality 面对的是内容审核场景，宁可错杀也要追召回。同一篇稿子交给性格相反的两个系统，数字自然对不上。非母语写作者是最容易被误伤的一群——句式和词汇变化天然偏少，恰好和机器特征重叠，这也是自己写的论文被判 AI在英文稿里更高发的原因。

我们自己的英文检测实测

别人的评测终归隔着一层，轮到自己上手才知道深浅。做英文校准批次的时候，我特意留了一组「标尺稿」：把 10 篇中文论文逐段机译成英文学术稿，同一段字同时喂给我方两个英文检测分支——PCPASS en 分类器，和统计信号分支。选机译稿是故意的，机翻的痕迹重而且稳定，标尺不容易晃。

学科	词数	PCPASS en 分类器	统计信号分支
材料	13,117	95.79%	81.58%
生态	9,025	97.84%	64.83%
机械	9,770	92.44%	51.75%
金融	9,019	94.76%	88.12%
护理	6,150	97.47%	21.56%
教育	6,988	96.63%	84.77%
文学	11,388	95.42%	76.85%

真正的意外出现在护理那篇：6,150 词的稿子，分类器给出 97.47%，统计信号分支只有 21.56%，差了 75 个百分点。我们的第一反应是哪一边算错了，把输入、切分、阈值挨个核了一遍——都没错，它就是一篇让两种检测技术给出完全不同答案的稿子。这组表也因此成了站内反复说的那句话的实证：检测器之间不可互换，自测换工具，数字就作废。Turnitin 的 AI% 需要人工上传回填，本批尚未回填完，所以我们不引用它的实测数字。

长文之外，我们还拿一条 447 字符的英中混排短稿做了冒烟测试：优化前 AI 占比 54.14%，一轮优化之后 0.0%。丑话说在前面——短样本的分数波动本来就大，这是功能测试，不是效果承诺；拿一次短稿的 0% 当护身符，和拿 Turnitin 的 0% 当护身符，是同一种冒险。

整篇的分数还只是粗颗粒，段落层面更接近抛硬币。校准批次里攒下的 451 个英文段落级样本中，我挑出 6 个脱敏片段（只截首句），让四个检测器盲测——自己家的统计分支也在被测之列，一样拿数字说话。

片段	实际来源	PCPASS 统计	外部分类器 1	外部分类器 2	外部分类器 3
1	人类	0.01	0.02	0.16	0.73（判 AI）
2	人类	0.03	0.02	0.78（判 AI）	0.15
3	AI	0.05	0.02	0.03（漏）	0.00（漏）
4	AI	0.02	0.02	0.61	0.10
5	AI	0.02	0.02	0.84	0.14
6	AI	0.02	0.46	0.32	0.04

盯着第 2 行和第 3 行看就够了：人类写的那句，被外部分类器 2 判成 0.78（判 AI）；AI 写的那句，在另外两个检测器上是 0.03 和 0.00（全漏）。同一段文字，在不同系统眼里一个天上一个地下。报告字段怎么读、段落级标注怎么用，看：AIGC 报告怎么看。

英文稿里高发的「假 AI 段」

和中文综述一样，英文也爱虚高，但触发点不一样。Introduction 里那句 In recent years, … has attracted increasing attention. 几乎年年中招；Related Work 若整段用同一句式转述别人贡献，分数也会难看；方法章堆 We propose a novel framework that… 这类空壳评价，检测器同样敏感。

一位商科同学的英文课程论文被标了高度疑似，接近一半的段落飘红，可里面的数据表是他自己熬夜跑出来的。他后来只改了开篇三段的套话，再把 Related Work 改成「作者—年份—差异点」条目，分数就回到了可交区间——稿子的骨头（数据、方法、结果）一个字没动。这个案例的细节在后面「少做三件事」里展开。

改写时少做的三件事

少做	为什么
整篇丢进中文大模型再译回英文	痕迹往往更重
只换同义词（utilize→use 连环换）	对检测帮助有限，还可能改坏术语
删光所有被动句	理工科方法描述需要被动；要去的是空泛评价，不是语法

三条弯路背后是同一个道理：检测器看的是统计特征，不是语法对错。整篇丢进中文模型再译回英文，等于把稿子又机翻了一遍，痕迹只会更重；连环换同义词对统计特征影响有限，还可能把术语改坏；被动语态是学术英语的正当语法，理工科方法章该用就用——要清理的是空壳评价，不是语法结构。更稳的方向是短句、具体动词、保留数据与术语，和中文稿的朴素学术陈述是同一套思路：动套话，不动骨头。

和查重的关系

英文库与中文库不同，重复率过了不等于 AI 过了，反之亦然。课程要求双指标的时候，分开报告、分开改，别把查重的修改经验直接搬到 AIGC 上——最后用学校或期刊指定的那一个系统终测，它说多少才是多少。需要先看高疑似段分布时，可按报告解读定位后再动手。