又到一年毕业季，毕业论文“AI率”成为热门话题。今年，不少高校首次引入“AIGC检测”机制，虽不是硬性的强制规定，但依旧引发诸多争议。部分学生反映，自己原创的论文被误判“AI率”过高，为通过不得不修改，既耗费金钱，又影响论文质量。

这一现象不禁让人思考：毕业论文AI检测究竟该如何定位？在AI时代，又该如何平衡学术规范与技术发展？

记者亲测：AI检测背后的“生意经”

当前，AI检测已催生出一系列相关服务。

记者在某智能降重平台实测发现，原本主打“查重”的服务已更新“降AI率”套餐。从5元/千字的“基础版”，到59元/篇的“AI无限次改稿”，已然形成了完整的价格梯度。

转战网购平台，输入“降AI率”便弹出多个商家链接。

记者按照详情页上的操作步骤添加工作人员微信后，对方称自己是“专业做降低AI率服务”的，一万字论文从70%AI率降至40%收费140元左右，降到满意为止。

然而，这些商家在网购平台却是另外一副面孔，宣称“平台禁止咨询有关论文、作业、降重等学术内容，恶意咨询直接拉黑”。

某社交平台已有数万+的相关经验分享帖。“适当删掉‘尽管’‘其中’‘比如’等衔接词”“对一些宽泛简单的文段进行扩写”“尽量避免采用总分总段落结构”等建议比比皆是。评论区则是毕业生们的一片哀叹：“改到怀疑人生！”“花了200块才过。”

记者在某平台上联系到一位可“人工降AI率”的发帖人，他表示，利用平台软件修改，有专业名词改错的风险，且后续极有可能被查出，他们人工降AI率则更注重语句表达，处理后需学生复检反馈，还称，“不会改变原文结构和意思，改到满意为止。”

当记者询问收费时，对方并没有给出单价，而是要求提供论文全文字数、需降低的AI率及检测系统等数据。

AIGC检测究竟靠不靠谱？记者打开常用的一款论文免费检测网站，上传了自己近期撰写的一篇未经发表的新闻稿，近3000字，检测结果显示AI疑似率为17.5%。检测报告还用不同的颜色来表示不同程度的疑似度范围。

难道是记者在段落中使用了较多的“虽然”“但是”衔接词吗？目前，谁也无法给出正确答案。

毕业生心声：AI检测带来的困扰与应对

南京师范大学应届毕业生周卉（化名）告诉记者，自己平时学习生活中，也会使用AI工具。

“生病抽完血，我会顺手把一些关键指标和症状丢给豆包、DeepSeek，问问情况；写毕业论文也会用其查询、总结资料。但我觉得AI输出的内容并不能完全信任，胡乱造词、数据落后等问题经常有，最终仍然需要人工仔细审核才能用。”

南京信息工程大学应届毕业生高子涵（化名）的论文“AI率”也较高，有40%。经过一段时间的修改，他总结出一些经验，“使用排比句、押韵的对偶、带冒号的并列句子，容易被判定为AI生成”。

这位子涵甚至还整理出了一套喂给AI的口令：请将这段话改写，通过调整语序增减字数，替换同义词等方式，避免与原文出现连续三个相同的句子，使这段话更有逻辑性，符台论文规范，尽量避免使用“和”“因此”“首先”“其次”“所以”这类词。

南京财经大学一名新闻学硕士研究生则认为，当前社交平台可能存在对“AI率”过度焦虑的问题，“那些说AI率高的帖子很大程度上是软广。”

导师心声：合理引导AI使用，关注抄袭分辨

南京大学外国语学院准聘副教授施雪莹表示，南京大学已在校级层面发布《本科生规范使用人工智能工具指导意见（试行）》。外语学科作为语言专业，本科毕业论文要求用法语直接写作，语言运用能力是检验学习成果的核心标准，所以对待AI辅助写作的态度会更加谨慎。

“学生实际语言水平如何，老师一眼就能看出来。个人观察，外语学习有个明显的‘分水岭’。就算学生能流畅地进行日常法语对话，但若要达到能够用外语进行复杂逻辑思考和论证的程度，难度还是相当大的。要是论文里有哪个段落突然‘文采飞扬’起来，我们马上就能察觉异常。再者，指导老师都会留存学生写作过程中的草稿，前后表达水平的变化根本藏不住。”

施雪莹认为，学校出台相关文件，并非要“一刀切”地禁止学生使用人工智能工具，而是引导大家正确合理使用。“核心要求是，学生用AI辅助需先征得导师同意，并明确说明使用情况和方式。”

那么，毕业论文考察“AI率”究竟是为了什么？南京航空航天大学人文与社会科学学院教授王立志认为，看似是查重导致了学生的焦虑情绪，但如何精准、有效地分辨抄袭行为，才是当前亟需解决的根本痛点。

“检测工具的可靠性，取决于算法逻辑。要查AI写的内容，需了解不同AI模型的写作特点，目前市面上没有绝对权威的检测工具。尽管如此，我们也得坚持用AI检测，总有些学生想偷懒用AI直接生成内容，这样可培养不出真正的人才。”王立志补充道，合理使用AI，老师不反对，如查资料、改错别字，这些基础工作交给AI没问题，但核心写作必须学生自己来，不能让AI代笔。

行业与专家观点：检测技术、标准与教育新哲学

一位人工智能行业从业者向记者介绍，当前主流的AIGC检测模型基于生成式大型语言模型（LLM-Large Language Model）技术框架，这类检测方法的本质是计算待测文本的生成概率值，也就是评估该文本由AI模型产出的可能性。

“其技术原理在于，大语言模型生成的文本具有特定的模式特征，与人类自然表达存在系统性差异。虽然个别语句可能达到以假乱真的程度，但当文本长度增加时，AI生成内容在逻辑连贯性、行文规范性和词汇分布规律等方面，会明显暴露出与训练数据强相关的特性，这些特征与人类写作习惯形成可辨识的差异。”

针对AI工具的“算法黑箱”特性，业内人士表示，算法解释工作很重要，但普通用户缺乏技术认知，模型部分运行机制虽具可解释性，但训练者也无法完全预测模型在特定场景下的输出，这是不可解释的最大挑战。

此外，王立志教授还指出，市面上AI检测工具检测原理和标准多样，缺乏统一测评标准，导致市场乱象丛生。传统思路是，AI公司应公开算法，但AI的“算法黑箱”问题使普通用户难以理解，算力成本高、算法有随机性、用户理解能力有限，彻底解释清楚AI算法几乎不可能。因此，建立科学的测评体系是更实在的治理之道，既能监控AI风险状况，又能满足多方面需求。

随着DeepSeek等大模型逐步逼近技术奇点，高校正站在教育范式转型的十字路口。南京信息工程大学教授、江苏省科普作家协会常务理事刘玉柱提出，应将AI工具使用纳入通识课程，强化“提问 - 验证 - 重构”的数字素养训练；研发AI内容检测系统，建立分级引用标准；明确科研创作中AI的贡献度计量方式。

江苏广电总台荔枝新闻中心 记者｜刘正则

编辑｜汪泽