能，但只能到这一步：它判断的是「这段文字像不像机器生成」，不是「你有没有用过 ChatGPT」。
这两件事经常被混为一谈，而所有的误解、恐慌和无效争吵都从这里开始。
它检测的不是出处，是特征
一个常见想象是：ChatGPT 生成的文字里藏着某种标记，检测系统一扫就能读出来。实际不是这样。
主流的商用大模型不提供可验证的文本水印，输出就是普通文本，和键盘敲出来的在文件层面没有区别。Turnitin 的 AI 指标来自另一个思路：训练一个分类模型，让它学习「机器生成的文本」和「人写的文本」在统计层面的差异，然后判断新文本更接近哪一边。
这些统计差异大致可以归成三类：
- 用词的可预测性。模型倾向于选概率最高的下一个词，结果是措辞稳妥、少有意外的搭配。人写作时会用不常见的词、会突然换一个不精确但更贴切的表达。
- 句长的节奏。人写的段落长短参差，模型输出的句子长度分布更集中。
- 结构的模板化程度。模型喜欢先总后分、每段一个论点加一句总结。人写东西经常跳、经常绕。
所以判定单位是句子，输出是一个概率，最后折算成全文的百分比。报告上不会出现「本文由 ChatGPT 生成」这样的结论，因为它根本没有能力做出这个结论。
哪些内容容易被标
按实际报告里出现的频率，大致可以排成这样：
| 文本类型 | 被标的可能性 | 原因 |
|---|---|---|
| 模型直出、未改动 | 高 | 三类特征都典型 |
| 模型出稿后逐句改写 | 中到低 | 特征被破坏，但结构痕迹还在 |
| 翻译工具转写中文初稿 | 低，常漏 | 译文会带入源语言的句法，反而像人写 |
| 术语密集的方法章节 | 偏低 | 专业表达固定，人和模型的差异本就小 |
| 文献综述、背景介绍 | 偏高 | 最容易写成「总—分—总」模板 |
| 非母语者的规范化写作 | 偏高（误判） | 句式保守、用词谨慎，特征上接近模型 |
最后一行是最需要留意的。非母语作者为了「写得正确」，会刻意选择简单、稳妥的句式，这些选择在统计特征上和模型的偏好高度重合。这是误判的主要来源之一，处理方式写在被判定 AI 但确实没抄，申诉怎么做里。
为什么改一改分数就掉，以及为什么这不算解决办法
改写会让分数下降，机制很直接：改写改变了那些统计特征。句子被拆开、语序被打乱、用词被替换成本人习惯的说法，模型就判不出来了。
这里必须说清楚一件事：分数下降不等于问题解决。
检测分数低，只意味着这段文字不再具备典型的机器特征。如果内容本身是模型给的框架、模型给的论点、模型给的例子，你只是换了说法，那论文的智力贡献仍然不属于你。学校要追的从来不是「你有没有用工具」，而是「这篇论文是不是你的工作」。这两件事在检测分数上看不出来。
所以本站不提供、也不建议任何以「过检测」为目标的改写方法。把文字改成自己的表达，是写作；把文字改成检测器喜欢的样子，是另一回事——后者消耗的时间不比认真写少，产出的东西还更差。
真正需要修改的重复问题，处理方向在重复率太高怎么办，那是另一套逻辑。
检测器与模型的拉锯，现在到哪一步了
这是一场不会结束的追赶。
分类模型的训练数据有时间窗，它学的是「截至某个时间点，机器文本长什么样」。模型迭代后，输出风格会漂移——更长、更有结构、更少套路化的连接词——旧分类器对新输出的敏感度就下降。反过来，检测方更新训练数据后，敏感度会回升，误判率也跟着上升。
对用户来说，这个格局有三个实际含义：
- 任何「现在测不出来」的结论都有保质期，不要把它当成稳定状态来规划
- 任何单次检测结果都不能当硬指标，同一篇稿子在不同时间测，分数可能不一样
- 学校比谁都清楚这一点，所以大多数院校把 AI 分数当作线索而不是判决
这也是为什么官方在文档里反复强调：这个指标需要人工判断，不能单独作为处理依据。
被标了之后的正确顺序
看到分数先别改稿，按这个顺序走：
第一步，看句子级标记，而不是只看总分。
报告里被标记的句子会逐句标出。看清楚是哪几句、在哪个章节。如果标记集中在文献综述和背景介绍，那更可能是写作方式问题；如果集中在方法、结果这类本该最个人化的部分，才需要认真对待。
第二步，确认自己能不能复现写作过程。
这是学校真正会问的：草稿在哪、版本历史有没有、引用的文献读没读过。能在半小时内拿出三个版本的稿子，比任何解释都有用。反过来，如果一篇 8000 字的论文没有任何中间过程，分数再低也解释不清。
第三步，走正式渠道说明。
导师或院系有既定流程，越早进入流程越好。带材料去谈：草稿、阅读笔记、和导师的沟通记录。不要试图用「我确实自己写的」这句话解决，那不是证据。
具体流程和话术结构，见AI 误判申诉全流程。
两个常被搞混的数字
同一份报告上，AI 百分比和相似度百分比是两套完全独立的指标，互不影响：
- 相似度比的是「和已有文献重合多少」，指向引用规范
- AI 指标比的是「像不像机器生成」，指向写作过程
所以会出现 0% 相似度、70% AI 的论文——完全自己敲的字，因为句式太整齐被判成 AI；也会出现 60% 相似度、0% AI 的论文——大段粘贴的是人写的东西。
这两个数字的读法分别写在AI 百分比什么意思和原创性报告怎么看里。100% 那种极端情况单独讲解在AI 率 100% 是真的吗。
常见问题
能查出用的是 ChatGPT 还是别的模型吗？
不能。它只判断「像不像机器生成」，不区分模型、版本，也不给出来源推断。任何声称能识别具体模型的报告，都值得怀疑。
自己写的被判 AI，是检测器坏了？
不完全是坏，是这类文本本来就落在判定的模糊地带。句式规整、术语密集、逻辑过于顺滑的写作，特征上和模型输出重叠。这种情况有申诉空间，但要靠写作过程材料支撑。
中文能测吗？
语言覆盖有限，英语是支持最完整的语种，中文的可靠性明显更低。用英文语料的经验去推断中文结果，会得出错误结论。
分数是 0，是不是就完全安全？
不是。0 只说明没有句子越过判定阈值，不说明写作过程没有问题。反过来也一样：高分不等于作弊，低分不等于清白。这个指标的作用是提示，不是结论。
- Turnitin 官方帮助中心：AI writing detection 的判定口径、分数区间与显示规则的官方说明。
- Elsevier 出版伦理政策：出版端对 AI 工具使用的披露要求，投稿场景需要对照。
- 教育部《高等学校预防与处理学术不端行为办法》：学术不端的认定范围与处理程序，申诉依据看这里。