期刊现在大多允许一件事：用聊天机器人润色，只要说明，而且点子是您自己的。整篇论文由模型想、模型写，则是另一回事。麻烦在于，很多检测器看的是用词，不是点子。非英语母语的作者让模型改语法，就容易被误伤。
马里兰大学团队做的 IdeaLens，想换一个问法：这些观点更像人想的，还是更像机器想的。字是谁写的，先放一放。预印本在 arXiv，编号 2610.06778，作者包括 Rishanth Rajendhran 和 Mohit Iyyer，合作者来自 Google DeepMind 和西门菲莎大学。
先把文章收成一份骨架
做法分三步。第一步，用商业检测器 Pangram 给大约 100 万篇长文打标签，标成「人写」或「AI 写」。这些标签并不是人工逐篇核过的。第二步，让大语言模型把原文改写成大纲：每一条写清它在文章里干什么（背景、主张、证据还是论证），再用别的话把内容说一遍。第三步，另一个模型只看这份大纲，学习人和 AI 在结构上的差别。
说白了，就是先把文章的表皮撕掉，再看骨头。团队没法完全解释它为什么这么判，但他们观察到：人写的大纲里，更多是这一篇研究才有的细节；AI 更常写那种换篇论文也能用的空话。
两组数字，不要摸成一个
通俗报道和预印本讲的不是同一组测试。小编分开放。
| 情况 | IdeaLens | 只看用词的检测器 |
|---|---|---|
| 通俗稿：完全由模型写的文本 | 误当成人写的，大约只有 1% | 这一栏报道没有直接对比 |
| 通俗稿：AI 只轻度改过 | 大约 95% 仍认出是人的底子 | 这类工具更容易把润色稿判成 AI |
| 预印本：AI 按越来越完整的人类提纲来写 | 判成 AI 的比例从约 95% 降到约 7% | Pangram 仍在 90% 上下 |
| 预印本：人按 AI 提纲亲手写的 50 篇故事 | 约 68% 被判成 AI | Pangram 大约 8% |
这张表里最值得看的是后两行。人出了很细的提纲，只是让模型执笔，IdeaLens 会往「人」那边放。反过来，点子是模型的，字是人写的，它仍然会抓出一大半。只看用词的工具则几乎看不出来。
通俗稿还写，在一组评测里，IdeaLens 大约会漏掉一成 AI 文本。作者对《自然》说，宁可漏掉，也不要把人误判成机器。被误伤一次，对研究者的名声伤害很大。所以它只适合当筛子，筛出来还得人再看。
期刊为什么急着要工具
生成式 AI 已经进了科研写作。报道引用的估计有两个：一项 2025 年底的研究说，生成式 AI 把科研产出提高了 89% 以上；另一个估计说，大约 12.5% 的生物医学论文能看出明显的 AI 参与。这些是估计，不是精确清点。
2025 年的 NeurIPS 也碰到过疑似机器代写的投稿，还有上百条编造的参考文献漏过人工审稿。预印本网站 arXiv 收紧了计算机科学综述的投稿规则，要求先有同行评审。Pangram 则声称自己对文字的检测准确率在 99% 左右，并接进了 arXiv 的镜像站 alphaXiv。
《临床精神病学杂志》的编辑写过：要分清模型做了多少批判性思考，越来越难。用 AI 编数据、或者让它代替作者解释结果，越过了线。
它现在还不能当终审
- 训练标签来自另一个检测器，不是逐篇人工核实。标签错了，它会跟着学偏。
- 它是黑箱。判定理由说不清，就不该拿来定罪。
- 人和模型真正一起改假说、一起定结论时，界限比「谁出提纲」更模糊。现有测试还没有覆盖这种日常写作。
- 现在只给两个标签：人，或者 AI。更细的比例，还没有。
小编的用法建议很直接：编辑可以拿它当第一道筛子，不要当最后一道。您若是作者，润色可以说明；点子、数据和结论，还是得自己负责。检测器抓不出来，也不等于这篇论文没问题。