一场没有终点的“猫鼠游戏”

　　检测器在升级，规避检测的方法也在更新。市面上已经出现了专门的人性化改写工具，能把AI写的句子重新组织一遍，换上更自然的词，调整表达节奏，目的就是让检测器认不出来。研究显示，经过这种处理的AI文本，漏检率会明显上升。

　　让AI模仿某个具体作者的风格，也是一条路径。非营利研究机构Epoch AI的一项独立评估发现，当AI被要求模仿特定作者的写作风格时，部分生成文本能够绕过检测。

　　语言差异也增加了这种不确定性。一些非英语母语者使用AI翻译或润色后，文章反而更容易被判成AI生成。Pangram新版模型对此有所改善，但检测结果仍可能受到语言背景和文本类型影响。

　　生成模型和检测模型，就这么你追我赶，谁也停不下来。生成模型想方设法学着“说人话”，检测模型就拼命寻找哪里还露出马脚。检测器更新之后，新的改写工具或许又会出现。

　　检测器应是指南针而非判决书

　　对于学校、出版社和科研机构来说，检测器更适合承担“筛查”的角色。对于学校、出版社和科研机构而言，判断一篇文章是否违规使用AI，还需要结合具体的使用情况。

　　据《自然》杂志报道，美国癌症研究协会已经使用Pangram检查同行评议。一名审稿人因检测结果异常受到询问后，承认自己在评审意见中使用了AI。这样的案例说明，检测器确实可以帮助机构发现异常，但从“发现异常”到“确认违规”，中间仍然需要人的判断。

　　Pangram也建议，在处理AI学术诚信问题时，应结合草稿、笔记、修改记录和写作过程等信息，而不能只看检测分数。