Paper Polisher Pro v3（论文降AI润色一站式工具）

AI 痕迹检测（AI率）· 去AI化改写 · 术语标准化 · 翻译腔检查 · 质量报告 · AIGC 合规标识检查 · 段落级归因 · 期刊口径预检。
100% 本地运行，零上传，零凭证，纯标准库（可选 onnxruntime 增强层）。

> ## ⛔ 铁律
> 1. 只报可复现的数字。所有指标必须来自 eval/run_eval.py 的留出集（test split）评测；旧版文档中"100% 检出率 / F1 98.3%"等无数据支撑的宣称已删除。
> 2. 短文本不出判定。不足 100 字的文本输出 risk=unknown（学界教训：短文本误报失控）。
> 3. 指纹只归因、不进分数（2026-08-15 实测：指纹注入检测层使人类误报翻倍）。
> 4. 校准与评测分离。频谱/权重/阈值只用 calib 半构建，test 半永远留作最终评测（v3 开发中曾出现 0.9972 的假 AUROC，切分后真实值 0.9187）。

TL;DR（30 秒上手）

• 是什么：100% 本地的中文学术文本 AI 率自查+润色工具箱（可选监督层获得最佳精度；英文走纯规则仅供参考）。
• 三条命令：python3 scripts/pp.py quickstart（零模型零文件一键体验）｜ python3 scripts/pp.py detect draft.txt --format json ｜ 逐句改写建议：python3 scripts/pp.py fix draft.txt ｜ 全流程自查报告：python3 scripts/pp.py workflow draft.txt ｜ 环境自检：python3 scripts/pp.py doctor（统一入口路由全部子命令）
• 实测数字（留出集、绑定模型指纹 2631df3d388b）：老代 AUROC 0.9998 / 当打代 0.9400；人类误报@medium 2.3%。
• 边界：<100 字按铁律 risk=unknown ｜ 降级档医学语域会系统性高估 ｜ 仅供作者自查——不用于规避机构 AI 检测。
• 接下来看：下方能力边界矩阵 ｜ 快速开始里有端到端示例 ｜ FAQ 在文末 ｜ 完整历史在 CHANGELOG.md。

学术诚信

本工具供作者自查与改进自己的写作质量（句式更清晰、术语一致、文风自然），不用于规避所在机构的 AIGC 检测，更不支持把 AI 生成内容伪装成人类写作。请遵循所在机构的 AI 使用与披露政策；随包的 aigc_label_check.py 用于帮助你合规满足标识与披露要求（如《人工智能生成合成内容标识办法》2025-09）——是帮你规范声明，不是帮你隐藏。每份 AI 痕迹报告（ai_detector.py / deai_gate.py）均带 integrity_notice 学术诚信提示。

实测性能（C-ReD + DetectRL-ZH 语料留出集 test 半，n=5,251）

> 语料口径说明（v4.8.0）：下表 v3.0 时代数字测于全量留出 test 半（n=5,251）；随包抽样语料为子集——其 test 半 n=1,304，可复现分语料数字：纯规则（PP_NO_SUP）老代 0.8985 / 当打代 0.7149，融合 0.9998 / 0.9400（eval/results/v480_rules_*.json、v35ctl_*.json；缓存键同时绑定模型指纹与引擎档位）。

> v4.4.0 指纹绑定重测（现行监督模型 md5 2631df3d388b）：AUROC 0.9998（test 半，n_base=927）、TPR@FPR1% 99.4%、人类误报@medium 2.3%——eval/results/v35ctl_oldgen.json。上表各列为版本时代记录（早期模型谱系；v4.4.0 之前模型二进制未做指纹绑定）。

你跑的是哪一档？ 安装包默认运行 v3.0 规则+词频谱引擎（上表 0.9187 列，全量留出集实测；v4.4.0 起每份评测结果携带部署模型 md5 指纹 model_fp，现行绑定数字见 eval/results/v35ctl_*.json）；右侧两列需要可选的本地监督层模型。引擎会如实告知当前档位：监督层缺席/被关闭/语言门控跳过时，每份报告都带 degraded_mode / degraded_notice 字段与降级警示。

能力边界矩阵（信任任何检测器前先读）

安全与行为声明

• 本地运行：全部功能 100% 在本机执行，全代码库零网络调用（无任何网络客户端库、无外部网络工具调用）。结构化自证：python3 scripts/pp_verify.py（AST 级扫描，exit 0=零网络调用且全部脚本可编译）。旧式文本 grep grep -rEin "urllib|requests|socket|http" scripts/ 会显示少量报告页脚 URL 字符串——那是字符串常量里的数据不是网络代码；AST 自证能区分两者。
• 零上传零凭证：不读取、不传输任何凭证、密钥或个人数据；唯一环境变量 PP_NO_SUP 为本地行为开关。
• 无持久化：不创建系统定时任务、不注册自启动、不修改系统配置；临时文件（层间 JSON/探针文本）用后即删。
• 无远程代码执行：不加载远程模型/脚本；可选监督层模型由用户自行放置于本机路径。
• 数据边界：仅读写用户指定文件、系统临时目录与自身包内数据目录（校准/保鲜产物）；报告只输出到用户指定位置。
• 学术诚信：见上方专节——供作者自查与写作质量改进，按机构政策规范披露，不用于规避检测。

v5.2.0 更新内容

• 学术写作规范自查（scripts/pp_style_norm.py，或 pp.py norm）：另一类自查——机械体例核对而非 AI 痕迹。四类检查：全半角混用（全角字母数字；中文语境半角标点）、数字用法一致性（汉字数字 vs 阿拉伯计数形态；百分比写法）、缩写首次定义（复现 ≥2 次的缩写全文无定义模式；惯用豁免表）、单位格式（数字-单位间距一致性；μ U+03BC vs µ U+00B5 隐形混用；× 与 x）。不评分、无风险带，仅输出带具体改法的 findings；与 AI 率检测相互独立。已并入 pp_workflow（§9）与 pp_api.style_norm()。
• --batch --report 直出：ai_detector --batch DIR --csv scores.csv --report report.html 一次跑完即渲染 HTML 汇总（此前需单独调 pp_batch_report.py）。
• 评测存档卫生：eval/results/archive/ 新增 README，解释 STALE-cache-poisoned 文件名标记——那是 2026-10-02 缓存污染事故的作废结果（证据性保留，非现行数据；事故与结构性修复见 CHANGELOG v4.4.0）。

v5.1.0 更新内容

• 改写效果回归验证（scripts/pp_rewrite_check.py，或 pp.py rewrite-check）：改写建议之后的闭环——你的修改到底变了多少。引擎同源对比原稿与改稿：文档级分数与风险带迁移、段落级 difflib 对齐逐段 delta、七类特征的清除/残留清单（与 pp_fix_suggest 同口径）、编辑幅度（字数比+段落替换率）。仅为本引擎口径下的相对参考，不构成任何机构判定；支持 --json、--demo 与 pp_api.rewrite_check()。
• 批量 HTML 汇总报告（scripts/pp_batch_report.py，或 pp.py batch-report）：--batch --csv 的产物可渲染为单文件 HTML——总数/均分/风险分档卡片、分数分布直方图、按分数降序的逐文件表（ERROR/unknown 置顶提示）。零依赖，不重跑引擎（只渲染既有 CSV）。
• 文档补全：batch CSV 并发语义（v4.9.0 起原子写=临时文件+改名，并发跑批互不踩踏）与 degraded_notice 阅读指引显式入 FAQ。

v5.0.0 更新内容

• 句子级改写建议（scripts/pp_fix_suggest.py，或 pp.py fix）：分数之后的自然下一步——具体哪几句、因为什么、往哪个方向改。每个被标记的句子列出其具体特征（AI套话/填充短语/模板句式/模糊限定/连接词开头/破折号冒号习惯/均匀节律）并给出各类改写策略。只指位与策略、不代写不自动改写——改写决定权在作者本人。支持 --json 程序化调用与内置双样例演示（--demo），并已并入 pp_workflow 报告。
• 随包单元测试套件（tests/，pp.py test）：44 个标准库 unittest 用例，覆盖铁律（短文本/空输入/GBK）、报告字段契约、JSON 纯净性、门禁、工作流 Markdown 布局、数据文件与新工具——不装模型也能在自己机器上数秒验证行为。
• 结构化零网络自证（scripts/pp_verify.py，或 pp.py verify）：替代旧 grep 建议——AST 级扫描全部脚本，抓网络 import/调用与 curl/wget 式子进程命令；报告页脚的 URL 字符串被正确视为数据不误报。exit 0=干净；--json 供管道。
• 语域感知 2.0：文学叙事文本（对话引号+时间推进+心理描写特征）现在会得到专门的语域提示，说明该语域超出学术校准域——实测文学名篇在本引擎可达 high 档——结果请勿当作 AI 证据。仅披露，不改任何打分。
• requirements.txt 随包：核心功能零第三方依赖；两条可选监督层依赖（onnxruntime/numpy）带注释声明。
• pp.py quickstart：零模型零文件一键体验（detect → fix → doctor，内嵌样例）。
• 保鲜可见化：pp_doctor 新增最近留出集评测记录行，与指纹库覆盖行并列。

v4.9.0 更新内容

• 混写文档校准（收口 v4.7.0 backlog）：段落级 hi/med/lo 阈值在可控混写基准（333 段逐段真值）上完成校准（eval/calibrate_mixed_para.py → references/para_thresholds.json）。诚实结论：最优工作点（≥50 分）精度 0.60、覆盖 63%——低于自动判定可用线，段落归因仍是「人工复核排序辅助」；校准数字与适用范围随包发布，并在每次 mixed_document 评估中透出。
• 统一入口（scripts/pp.py）：一条命令路由全部 11 个子命令——脚本导航成本清零。
• 可靠性：批处理 CSV 改原子写（临时文件+改名，并发跑批不再互踩同一 CSV）；门禁各层崩溃/超时先重试一次再兜底。

反模式（首次使用前必读）

• 不要喂 <100 字 的文本期待判定——risk=unknown 是设计行为（短文本误报不可控）；建议 300 字以上。
• 不要在降级档信任医学文本的分数——纯规则对医学语域系统性高估（@medium 人类误报约 59%）；装监督层或只采信 @high。
• 不要把分数当知网/万方等价物——阈值基于自有留出集校准，仅供投稿前自查。
• 不要替换或重量化模型文件——实测概率漂移；只有作者签发指纹能过 pp_setup.py。
• 不要用它规避机构 AI 检测——每份报告都带诚信声明；按所在机构政策披露。
• 不要对 >5MB 文件跑批量——按设计跳过；请先切分。

v3 架构

ai_detector.py            主引擎: 8个规则层(重校准125条模式, markdown限帽, 段落级语言)
                          + 长度路由融合
 + layers_surface.py      L9表面统计 L10词频谱(9,955 token差谱) L11思维链特征
 + ai_detector L12        篇章结构启发层(v3.7.0: 自媒体钩子/反转/口号/互动引导)
 + fusion_config.json     权重与阈值(calib半网格搜索 + 人类p95/p99)
 + model_fingerprints.json v4指纹registry(13家族含GLM-5.3/Kimi K系列自采样注册, 只归因)
 + layers_lm.py           可选监督层(本地ONNX + 纯Python Qwen tokenizer; PP_NO_SUP=1 回退纯规则)
paragraph_report.py       段落级归因HTML(模式×谱 50/50 融合段评分)
aigc_label_check.py       AIGC合规标识(《标识办法》2025-09: 元数据/C2PA/显式声明)
fingerprint_miner.py      指纹自动挖掘 | pattern_recalibrator.py 模式库数据驱动重校准
build_spectrum.py / calibrate_v3.py   词频谱构建 / 权重校准
freshness_refresh.py         月度保鲜流水线(采样→重建→校准→回归)
pp_doctor.py              环境自检（v3.5 新增；v5.0.0 增最近评测记录行）
pp_verify.py              结构化零网络自证（AST 级，v5.0.0 新增）
pp_fix_suggest.py         句子级改写建议（v5.0.0 新增：指位+策略，不代改）
tests/                    随包单元测试套件，`python3 -m unittest discover -s tests -t .`（v5.0.0 新增）
requirements.txt          依赖声明：核心零依赖；可选监督层依赖注释声明（v5.0.0 新增）
eval/                     corpus_builder / attack_gen / run_eval(AUROC/TPR@FPR/分模型/攻击衰减)

快速开始

# 零模型零文件一键体验（v5.0.0）
python scripts/pp.py quickstart
# AI痕迹检测(AI率, 概率+分层证据+指纹归因)
python scripts/ai_detector.py draft.txt --format json
# 句子级改写建议（v5.0.0: 哪几句、因为什么、怎么改）
python scripts/pp_fix_suggest.py draft.txt --top 10
# 学术写作规范自查（v5.2.0: 全半角/数字/缩写/单位）
python scripts/pp_style_norm.py draft.txt
# 改写效果回归验证（v5.1.0: 原稿 vs 改稿引擎同源对比）
python scripts/pp_rewrite_check.py draft_original.txt draft_revised.txt
# 批量 CSV → 单文件 HTML 汇总报告（v5.1.0）
python scripts/pp_batch_report.py scores.csv -o report.html
# 期刊口径预检(疑似AIGC比例, 对标20-25%参考线, 附不可互换声明)
python scripts/ai_detector.py draft.txt --profile journal
# 段落级归因(人机协作定位)
python scripts/paragraph_report.py draft.txt --output report.html
# AIGC合规标识检查(docx/pdf/png/txt)
python scripts/aigc_label_check.py manuscript.docx figures/*.png
# 术语 / 翻译腔 / 四层门禁
python scripts/term_check.py draft.txt --auto-fix
python scripts/translation_smell_check.py draft.txt
python scripts/deai_gate.py draft.txt
# 环境自检
python scripts/pp_doctor.py
# 结构化零网络自证 + 随包单元测试（v5.0.0）
python scripts/pp_verify.py
python -m unittest discover -s tests -t .          # 或: python scripts/pp.py test
# 留出集回归(改引擎后必跑)
python eval/run_eval.py --split test --tag mytag

可选监督层启用（推荐，v3.2+）

pip install onnxruntime regex          # 两个可选依赖
# 放置作者发布的两个模型文件(原样, 勿替换):
#   ~/.cache/paper-polisher/qwen3-detector/model.int8.onnx
#   ~/.cache/paper-polisher/qwen3-detector/tokenizer.json
python scripts/layers_lm.py            # 自检: supervised_available: true
# 之后 ai_detector.py 自动融合(0.9*监督+0.1*规则); PP_NO_SUP=1 可临时关回纯规则
# ⚠️ 勿替换为其他导出/量化版本——实测概率漂移, 只用作者发布的原样文件

Python API（编程接口）

import sys; sys.path.insert(0, "<skill>/scripts")
from pp_api import detect_text, gate_text, doctor_summary
r = detect_text("中文学术文本，建议 300 字以上。" * 10, lang="zh")
print(r["overall_ai_score"], r["overall_risk"], r["degraded_mode"])

detect_text 进程内运行（不发子进程），返回结构与 CLI JSON 一致。所有函数返回 JSON 兼容 dict，非法输入抛异常。零网络、纯标准库。

一键装模

python3 scripts/pp_setup.py --model <作者签发 model.onnx>   # 校验 md5 → 安装 → 推理金丝雀
python3 scripts/pp_setup.py --check                          # 查看当前安装状态

只接受作者签发指纹（references/supervised_models.json）；未知权重在动任何东西之前就被拒绝。绝不联网下载——模型永远以本地文件形式来自作者渠道。

端到端工作流（一条命令）

python3 scripts/pp_workflow.py draft.txt      # 产出 draft.workflow.md + draft.workflow.json

一次跑完全部自查：AI 率检测（融合引擎）、段落级归因（hi/med/lo 分级）、四层门禁、术语保护、
翻译腔、文体、质量报告、AIGC 标识自查——产出单一可读 Markdown 报告+机器可读 JSON。
编程接口：from pp_api import workflow。

常见问题（FAQ）

Q：为什么不足 100 字的文本不给风险判定？
短文本误报在学界公认失控（几句话撑不起文风分布）。工具按铁律输出 risk=unknown，分数仅供参考；请提交 100 字以上（建议 300 字以上）。

Q：为什么我的医学文本分数偏高？
大概率在跑降级模式（未装可选监督层）。纯规则引擎对医学语域系统性高估（留出集实测 @medium 档误报：医学约 59%、普通约 2%）。医学文本请只采信 @high 档结论，或安装监督层（下一条）。

Q：监督层模型怎么装？怎么确认生效？
一条命令：python3 scripts/pp_setup.py --model <作者签发的模型文件>——校验签发指纹、安装、推理金丝雀自检（GREEN 即生效；报告 degraded_mode=false 同样可确认）。手动把两个文件放到 ~/.cache/paper-polisher/qwen3-detector/ 仍然有效，python scripts/pp_doctor.py 仍是全量自检。

Q：报告里的 degraded_mode / degraded_notice 是什么？
引擎档位披露：true=纯规则+词频谱降级档，原因写在 notice 里（模型未装 / PP_NO_SUP=1 / 英文语言门控）。档位对照见「能力边界矩阵」。

Q：这个 AI 率和知网/万方的结果能互换吗？
不能。阈值基于自有留出集校准，与任何机构官方检测不可互换，仅供投稿前自查（journal 预检输出内含此声明）。

Q：deai_gate 某层显示"解析失败"怎么办？
该层自动走中性 50 分兜底，不影响其他层与总判定。通常为子进程超时或输入编码异常；重跑一次，复现则用 pp_doctor.py 自检。

Q：编辑程度估计（edit_extent）是什么？
监督层附加回归头，估计文本被 AI 改写的程度（0-1）。判别力有限（ρ=0.54），仅作报告元数据，不参与判级。

Q：支持英文吗？
部分支持：监督层仅中文语料训练，英文按设计跳过监督融合、走纯规则骨架评分，结论仅供参考（报告会明示）。

Q：一段人写、一段 AI 写的混合文档怎么办？
注意报告中的"混写预警"（mixed_signal=true）：文档级分数会被人类段落稀释或被 AI 段落顶起，均不可单独采信；请运行 paragraph_report.py 逐段归因，按段落处理。

Q：真实期刊论文（人写的）为什么也可能判 medium/high？
两个实测原因：分布差异（自有留出集与真实期刊 PDF→文本存在排版噪声与分布偏移）+ 语域校准。段落归因才是可用信号——用它定位可疑段供人工复核；文档级分数只是 triage 提示，不构成定罪。期刊口径预检（分布口径）提供第二视角，与主评分方向不一致属设计内。

Q：指纹归因说是 GPT-4o，但我的文本来自别的模型？
归因是启发式参考（top-n 候选，只归因不进分），存在误归因——已知案例：GLM 生成的文本可能被归为其他家族。家族提示请当弱证据；检测分数与段落归因才是实质输出。

Q：AIGC 合规标识检查怎么用？
python scripts/aigc_label_check.py manuscript.docx figures/*.png——检查元数据/C2PA 水印/显式声明三类（对标《标识办法》2025-09）。rc=0 有标识、rc=1 无标识，均属正常执行。

Q：「100% 本地 / 零上传」我自己怎么验证？
跑 python3 scripts/pp_verify.py——AST 级结构化扫描全部脚本：网络 import/调用与 curl/wget 式子进程命令一律命中，报告页脚的 URL 字符串被正确视为数据（旧 grep 建议区分不了这两者）。exit 0=零网络调用。行为级验证可跑随包测试套件（python -m unittest discover -s tests -t .），铁律与报告契约在你自己的机器上逐条过。

Q：规范自查会出分数或判定吗？
不会。pp_style_norm.py 是机械体例核对（全半角、数字写法、缩写定义、单位格式），只列 findings 与具体改法；不产生任何分数，也不进 AI 率引擎。短文本判定铁律不适用（因为根本没有判定）——但极短样本上的统计类检查（数字/缩写）天然不可靠，输出中会注明。

Q：多个批处理任务写同一个 CSV 安全吗？
安全——v4.9.0 起 batch CSV 为原子写（先写临时文件再改名落位）。两个并发批任务指向同一 CSV 不会互相穿插或覆盖；文件内容始终是某一次完整跑批的结果。

Q：degraded_notice 应该怎么读？
它说明完整档的哪个成分被跳过及原因：监督模型缺失、PP_NO_SUP=1、或英文语言门控。后果不同——降级纯规则档对医学语域系统性高估（见能力边界矩阵），而英文门控只意味着中文训练的监督层不适用。提示里写了原因，据此决定装模型、去掉开关、或把分数当参考。

Q：改写建议会改我的文件吗？
不会。pp_fix_suggest.py（pp.py fix）只定位带有可改进特征的句子，并按特征类型解释改进策略（例如：AI 套话换成具体判断、模板句拆分改主动）。它从不编辑你的文件；改写与否、怎么改由作者本人决定。--demo 可看内置双样例演示。

各脚本速查

触发词

润色论文降AI检测查AI率论文AI率降低AI率AIGC检测AIGC率GPT检测查AI写作论文润色改写论文去AI味AI论文检测学术写作助手AI写作检测去除AI痕迹人化AI文本毕业论文润色学位论文降重SCI论文编辑手稿润色AI写作评分去AI化AI改写检测文风对标顶刊这篇文章像不像AI`

相关工具

• cn-med-oa — 中文医学文献 OA 免费下载与引文元数据
• pubmed-verifier — 投稿前 PMID/DOI 参考文献核验
• cite-holmes — 深度调研 × AI 幻觉引用检测
• academic-figures — 一条命令出出版级科研图表
• doc-holmes — 保持原文排版的 PDF 精准翻译
• paper-rewriter — 同源降AI改写姊妹版（完整改写管线）

官网与在线文档：docsor.cn

如需批量核验参考文献的真实性，可用 pubmed-verifier；整理引文信息可用 cn-med-oa；深度调研并核对每条引用，可用 cite-holmes；需要改写执行可用 paper-rewriter。另外提醒：arXiv 自 2026-05 起对含幻觉引用的投稿有一年禁投处理，投稿前自查引用是必要的。

指纹保鲜（对抗"检测器慢一代"）

覆盖截至 2026-09-26：kimi-k3 与 kimi-k2.7 已入册（OpenCode Go 新鲜采样，归因验证通过）；qwen3.8 / deepseek-v4 / deepseek-v4.1 / minimax-m3 已采样——无家族区分性低误报模式，如实不入册；glm-5.3 已刷新（无新模式）。后续：deepseek-v4.1 与 minimax-m3 扩大语料再战。

新模型发布当天：python scripts/fingerprint_miner.py --corpus <新采样.jsonl> --model <family> --apply
月度全量：python scripts/freshness_refresh.py（用你自己的系统定时器调度；本脚本不创建、不修改任何系统调度项）。对比相邻两次 eval/results/freshness_*.json，AUROC 掉幅 >3pt 人工介入。

版本历史（摘要）

• v5.2.0（2026-10-11 发布）— 学术规范自查版：pp_style_norm.py（四类体例核对，不评分）；--batch --report 直出 HTML；评测存档 README（STALE 标记解释化）。
• v5.1.0（2026-10-10 发布）— 改写闭环与批量报告版：改写效果回归验证（pp_rewrite_check.py，原稿 vs 改稿引擎同源对比）；批量 HTML 汇总报告（pp_batch_report.py）；batch CSV 并发语义与 degraded_notice 阅读指引入 FAQ。
• v5.0.0（2026-10-09 发布）— 可信验证与改写建议版：随包单元测试套件（44 用例标准库，pp.py test）；结构化零网络自证（pp_verify.py，AST 级）；句子级改写建议引擎（pp_fix_suggest.py——指位+策略不代改，并入 workflow 与 pp.py fix）；文学叙事语域提示（仅披露不改分）；requirements.txt；pp.py quickstart；doctor 保鲜可见化。
• v4.9.0（2026-10-08 发布）— 混写文档校准版：段落阈值在 333 段基准上校准（最优工作点 P=0.60/覆盖 63%，诚实低于自动判定线）；统一入口 pp.py；批处理 CSV 原子写；门禁层重试。
• v4.8.0（2026-10-07 发布）— 测量与输出契约诚实版：run_eval 缓存键纳入引擎档位（修复规则档评测重放监督层缓存分）；journal 口径 JSON 纯度+双口径解释；risk_bands 阈值透出；mixed_signal 去噪；单文件 5MB 提示；真实世界医学 FPR 与指纹归因局限入 FAQ；语料/术语计数口径修正。
• v4.7.0（2026-10-06 发布）— 混写文档专项：逐段真值可控基准量化段落级 AUROC 0.69（文档级 0.52-0.54）；pp_workflow 新增 mixed_document 评估与醒目标注；description 增 Trigger on 路由词；README 增中国镜像链接。
• v4.6.0（2026-10-05 发布）— 上手体验版：端到端工作流命令（pp_workflow.py / pp_api.workflow）；TL;DR 层；历史说明迁至 CHANGELOG.md；反模式集中成节；评测存档整理；SDK 错误带恢复建议。
• v4.5.0（2026-10-04 发布）— 可编程接口版：pp_api.py SDK（进程内 detect+8 个助手函数，零网络，JSON dict）与 pp_setup.py 一键装模（作者签发指纹注册表）；补齐两大使用摩擦点（编程接口集成、模型装模配置）。
• v4.4.0（2026-10-03 发布）— 测量可信度版：指纹绑定重测基线（老代 0.9998 / 当打代 0.9400 / 人类误报@med 2.3%，取代 0.9022/0.6542 测量伪象）；评测缓存键绑定模型 md5；污染审计（eval/check_leak.py）叫停 v36 再训练（285 篇评测集样本曾泄漏进训练）；导出自检；PP_ORT_THREADS；pp_doctor 指纹；smoke 降级断言模式感知化。
• v4.3.0（2026-10-01 发布）— 分代评测基础设施+首批分代数字（老代 0.9022 vs 当打代 0.6542，代际退化首次量化）；谱 v2/L13 当打代负结果入档。
• v4.2.0（2026-09-30 发布）— 批处理递归；GitHub README 落地页；门禁层3 分布复核。
• v4.1.0（2026-09-29 发布）— 平滑度层入融合（A/B 验证零回归）；批处理 CSV；段落报告披露一致化。
• v4.0.0（2026-09-28 发布）— 相关工具互引与 arXiv 引用自查提示；任务词根全覆盖；相关工具节整理。
• v3.12.0（2026-09-28 发布）— 翻译腔层复活（schema 修复）；诚信提示全报告覆盖；段落计数一致性；谱 v2 与 L13 中篇负结果入档。
• v3.11.0（2026-09-27 发布）— 批处理检测（--batch）；段落报告诚信提示；tier-2 负结果入档。
• v3.10.0（2026-09-26 发布）— 指纹新鲜度第三期：kimi-k2.7 入册（归因验证通过）；minimax-m3/deepseek-v4.1 主题词与跨家族污染候选按质量门回滚；glm-5.3 刷新。
• v3.9.0（2026-09-25 发布）— 篇幅平滑度披露 L13（独立 AUROC 0.8256；按铁律不进融合分）；run_eval 报告层评测模式。
• v3.8.0（2026-09-24 发布）— 混写预警/语域提示/编码警示/门禁层间分歧披露（诚实边界四件套，对齐混写文档与改写鲁棒性研究方向）。
• v3.7.0（2026-09-23 发布）— 篇章结构启发层 L12（自媒体三件套盲区修复，LES-20260923-021，回归 AUROC 0.9022 逐位不变）；集中式 FAQ（10 条）；各脚本速查表；style_distance 极端场景报错具体化；文档措辞统一与脚本改名（freshness_refresh）。
• v3.6.0（2026-09-21 发布）— 学术诚信护栏（integrity_notice+诚信专节）；CH 面清词（英文文档质量口径）。编码加固与门禁兜底闭环属 v3.5.0（09-20 发布）。
• v3.5.0（2026-09-20） — 降级模式披露（引擎档位+医学语域高估警示，含留出集真实数字）；铁律 2 落地（<100字 → risk=unknown，quality_report 显示"无法判定"）；pp_doctor.py 环境自检；deai_gate.py 用法守卫；双语文档诚实化重建。
• v3.4.3 — markdown 表格分隔行从段落评分中过滤（真实 MD 稿件 8 个标记段中 6 个为分隔行假阳性）。
• v3.4.2 — 修复语言检测 CJK 双重计入（中文期刊 PDF 被误判英文）；PDF 硬换行碎片段落重建（747→19 段）；段落级语言路由死代码修复。
• v3.4.1 — 语言门控：英文文本跳过中文训练的监督层（实测英文误报 91.7→17.2）；规则编辑器实验负结果如实弃用。
• v3.4.0 — 编辑回归头 v2（1,620 条配对 + token 级编辑距离 + 两阶段训练）：人类 FPR@p99 1.66%→0.71%，攻击"AI辅助"召回 86.6%。
• v3.2/v3.3 — 监督层 v3.2（4 维头，本地 ONNX fp16，纯 Python Qwen tokenizer）；OOD 盲区如实记录后关闭（影评体 1/6→5/6，GLM-5.3 探针 9/9）。
• v3.1 — Qwen3-0.6B LoRA 监督层（留出集 AUROC 0.9997）。
• v3.0 — eval 驱动重建：模式库重校准（693→125 条，淘汰 568 死/反信号）、词频谱层、长度路由融合、calib/test 防泄漏切分、指纹 registry v4、段落归因、AIGC 合规标识、期刊预检、保鲜流水线、文档诚实化。AUROC 0.7046→0.9187。
• v2.0.x — 9 层规则引擎+术语库（基线列数字；不可复现宣称已删）。