AIGC检测报告和传统查重报告区别

学生交上来的稿子，查重报告一片绿，AIGC检测却说疑似AI生成；老师看到两份结论打架，不知道该按哪份处理。这类卡壳很常见，根子在于两套报告回答的本来就不是同一个问题。这篇把两份报告的原理、指标含义、误判场景和实操核对顺序拆开讲，最后给一份可直接照着走的对照清单。

学生交上来的稿子，查重报告一片绿，AIGC检测却说疑似AI生成；老师看到两份结论打架，不知道该按哪份处理。这类卡壳很常见，根子在于两套报告回答的本来就不是同一个问题。这篇把两份报告的原理、指标含义、误判场景和实操核对顺序拆开讲，最后给一份可直接照着走的对照清单。

先说清定位：这两份报告都只是线索，不是判决书。教师拿它们做初筛，学生拿它们做自查，都行；但谁也不能拿一个分数直接给人定性。下面按「各答什么问题—原理差异—指标怎么读—为什么打架—教师怎么核—学生怎么防—什么时候都别信—对照表」这条线走，每段都落到能动手做的事上。

先分清两份报告各自回答什么问题

查重报告回答的是「这段话和已有文献有多像」，核心动作是文本比对，命中比对库里已有的段落才算数。AIGC报告回答的是「这段文本的统计特征更像人写的还是模型生成的」，核心是概率推断，它不告诉你抄了谁，只给一个倾向性判断。两个问题不同，结论自然不能互相替代。

查重报告

以比对库为参照，标出与已有文本重合的段落，输出重复比例和来源列表。

AIGC检测报告

以统计特征为参照，输出疑似由模型生成的概率或等级，通常还给分段结果。

相似来源

查重报告里能点开看的被比对文本，AIGC报告没有这一项。

分段疑似度

AIGC报告里按段落或章节给出的判断，比全文一个总数更有参考价值。

• 查重率低只能说明没有大段照搬，证明不了内容来源，别把它当「没问题」的证明。
• AIGC疑似度高不等于代写，人工润色、模板化写作、翻译腔都可能把它推高。
• 两份报告都不判定学术不端，定性要由人结合写作过程、批注记录、口头答辩来做。
• 看到结论冲突时，先别急着下判断，回到「哪份报告在回答哪个问题」上对一遍。

原理差异：一个靠比对，一个靠特征判断

查重走的是建库加相似度匹配：先有比对库，再拿提交文本去撞，撞上了才标出来。这就决定了一个硬限制——库里没有的内容，它查不出来。自己独立写的内容、刚发表还没入库的文献、小语种资料，都可能漏过去。所以查重低不等于原创性高，只等于「没撞上库里的东西」。

AIGC检测看的是用词分布、句长节奏、连接词偏好、困惑度这类统计特征，输出的是一个概率值而不是事实。因为靠概率，同一段文字换个检测工具、换个时间跑，结果都可能不一样。检测模型和生成模型是互相追赶的关系，新的改写工具和后处理手段会持续削弱检测的可靠性，这一点在把它当证据用之前必须心里有数。

指标怎么读：比例数字不能直接横向比

查重的重复率有明确分母，指被标记段落占总字数的比例，口径相对稳定，不同系统之间大体可比。AIGC报告的疑似度和查重率不是同一个坐标系，一个是「重合占比」，一个是「概率判断」，拿一个高的去说另一个也不合格，逻辑上就不成立。看报告时先确认数字的含义，再谈高低。

• 看全文总数之前先看分段：疑似度集中在哪几段，比一个总数更能说明问题。
• 核心论证段落出问题要重视，参考文献列表、致谢这类边缘段落可以放宽。
• 同一篇稿子至少用两个工具各跑一次，看结果是否一致，差异大就降低结论权重。
• 别拿去年记下的阈值当标准，工具口径会调整，到站内页面核对当时的数字。

具体工具当前的阈值和口径，到 模型质量检测（/tools/quality-check） 页面和 检测口径与数据来源（/about） 核对，别拿旧记忆当标准。教师在制定课程要求时，也应把所用工具和判定口径写进作业说明，避免事后扯皮。

为什么两份报告经常打架：四类典型场景

两份报告结论冲突，多数不是谁出错了，而是它们本来就测不到对方那个维度。下面四类场景在教学中出现频率最高，遇到时先对号入座，再决定怎么处理，别一上来就怀疑学生。

这里要特别提醒第三类：AI生成再改写，检测分数可能被压下去，但逻辑断层、事实错误、引用失实还在，而这些恰恰是两份报告都测不出来的。所以不管分数多好看，涉及核心结论和数据的内容，最终还得人去看。

教师侧：拿到两份报告后的核对顺序

1. 先定位疑点段落打开AIGC报告的分段结果，标出疑似度高的段落，看它们是不是核心论证部分。边缘段落先放一放。
2. 再对过程材料调取初稿、提纲、批注、版本记录。过程越完整，检测结论在判断中的权重就应该越低。
3. 做一次口头追问挑疑点段落，让学生讲自己当时的思路和取舍。讲不出来，比分数本身更有说服力。
4. 最后才启动复核只在确有疑点时才约谈或走复核程序，避免用单一分数直接定性，这条在申诉环节尤其关键。

这套顺序的核心是先看证据链再看分数。反过来做——先看分数再找证据——很容易陷入确认偏误，把正常写作中的模板化表达当成问题。课程层面还可以把「过程材料齐备」写进作业要求，从源头减少争议。

学生侧：怎么减少误判、怎么申诉

• 保留写作过程证据：文档版本历史、草稿照片、参考笔记，这些是申诉时最有效的东西。
• 引用和改写都标清来源，尤其是用AI做过资料整理的部分，要自己重写并留痕。
• 写作时避免整段照抄模板句式和机翻腔，这既是写作质量问题，也是被误判的高发原因。
• 对结果有异议时，先要求说明检测工具和判定口径，再提交过程材料。
• 涉及正式处理时，按学校规定的流程走，别只在私下沟通。

申诉时最容易犯的错是只强调「我没用AI」，却没有材料支撑。有效的做法是把过程证据摆出来，再要求对方说明用的是哪个工具、什么口径。具体操作可以看 安全与合规（/safety） 分区的相关说明，里面讲了检测工具的适用范围和边界。

哪些情况下这两套报告都不该作为依据

有两种误用最常见：一是把检测分数当成学术诚信的唯一标准，二是在明显不适用的场景里强行套用。下面几类情况，两份报告都只能当参考，甚至干脆别用，否则很容易误伤。

判断标准其实很简单：这份报告测的是「文本形态」，那么凡是问题出在「内容真假」或「样本不足」上的，它就不该被当依据。教师在设计评价方案时，把检测报告放在「初筛线索」的位置，就不会用错。

检测报告告诉你哪里值得看一眼，不告诉你该给什么结论。

一份可落地的对照表：什么情况看哪份

最后给一张随手能用的对照表。遇到具体问题时先查表定方向，再按前面各节的步骤往下走，基本不会跑偏。表里的「先看」只是顺序，不是唯一依据。

把这张表和前面的教师核对顺序配合使用，基本能覆盖日常遇到的大部分情况。工具和口径会变，表的结构不会变；需要更新数字时，到站内对应页面核对当时的说明即可，别依赖记忆里的旧结论。