爱达荷州立大学化学专业本科生劳伦·耶格提交了一份奖学金个人陈述，那完全是她自己写的。出于好奇，她还是用在线AI检测工具查了一下。结果显示，这篇陈述几乎100%是由AI生成的。
“我当时吓坏了，”她告诉《自然》杂志。
耶格的经历并非个例。美国《独立宣言》，托马斯·杰斐逊于1776年撰写，在通过最受欢迎的免费检测工具之一ZeroGPT检测时，也被判定为95%至100%由AI生成。正如《自然》杂志7月6日发表的一项调查所记录的那样，大学寄望于用来发现AI作弊的工具是极不可靠的，尤其是对于英语非母语学生的写作而言。
61%的问题
关于这一问题被引用最多的研究由斯坦福大学研究员Weixin Liang领导，于2023年发表在《Patterns》期刊上。该研究测试了七种广泛使用的GPT检测工具，检测对象是中国英语学习者撰写的91篇托福作文和美国本土八年级学生撰写的88篇作文。检测工具将61.3%的非英语母语者写作标记为AI生成。相比之下，英语母语者写作的误报率仅为5.1%。
原因反直觉：非英语母语写作者使用的语言更简单、更可预测，这正是AI检测工具用来识别机器生成文本时使用的低困惑度信号。将同样的托福作文通过ChatGPT处理，并给出”增强词汇选择，使其听起来更像母语者”的指令后，误报率从61.3%降至11.8%。
自2023年以来，这一偏差已在至少四项独立研究中得到重复验证。2026年5月的最新重复研究表明，GPTZero对非正式ESL写作的误报率仍高达16%。
惩罚诚实学生的工具
AI检测工具的不可靠性不仅限于语言偏差问题。不同的检测工具对同一文本会产生截然不同的结果。在数学、化学和工程等领域，简短、技术性或公式化的写作通常会被标记为AI生成。使用Grammarly或QuillBot等语法辅助工具的学生更容易被错误指控。
后果可能非常严重。学生可能被举报学术不端、被取消奖学金资格，或者被迫为面对模糊指控为自己的作品辩护。在位于河内的英国越南大学研究AI检测的研究员迈克·珀金斯告诉《自然》杂志：”简短的回答是，它们并不可靠。长一点的回答是，它们可以工作，但关于误报的担忧如此之多，意味着在涉及学生切身利益的事情上，它们真的不应该被使用。”
一些学生通过故意”降低”写作水平来避免触发检测系统。耶格发现，”不那么完美”的写作使她的AI评分从100%降到了30%。
不断升级的军备竞赛
检测问题因”AI人性化”工具的兴起而变得更加复杂，这些工具可以改写AI生成的文本以逃避检测。Turnitin估计，这些工具目前通过150多项服务每月吸引3390万次访问。每一次检测技术的改进都会带来更好的规避手段，反之亦然，形成一个没有明确终点的循环。
“人们看到一个分数就相信它，”珀金斯说。”相似性检测工具之所以有效，是因为它们可以精确显示文本与其他内容匹配的位置。而AI检测工具根本没有这种证据。”
大学开始反击
至少25所大学已经限制或禁用了AI检测工具，包括范德堡大学、滑铁卢大学、澳大利亚科廷大学以及多个加州大学校区。澳大利亚天主教大学在Turnitin的AI检测生成了约6000个虚假指控后，完全弃用了该功能。
教育工作者和研究人员正在形成的共识是，AI检测分数不应作为学术诚信决定的唯一或主要依据。许多专家建议评估写作过程，草稿、大纲、口头答辩，而不是仅仅依赖最终的书面产品。
“没有任何AI检测器能够做到100%完美，”GPTZero在其网站上承认。”结果不应用于惩罚或作为最终裁决。”
服务于16000所机构的Turnitin坚称其工具的文档级误报率低于1%，但独立研究在边缘案例文本中发现了4%至12%的误报率。
《自然》杂志的文章指出，根本问题可能无法解决：随着大语言模型的改进，AI生成的文本越来越难以与人类写作区分。”我们当然不能因此大规模拒绝申请人，”西蒙弗雷泽大学的Marzena Karpinska表示。就目前而言，大学可能需要接受的最诚实答案是，检测问题没有技术解决方案。
来源
- McKie, A. “Universities are relying on AI-detection software to catch cheating. How well do the programs work?” Nature 655, 535-537 (2026). DOI: 10.1038/d41586-026-01358-2. https://www.nature.com/articles/d41586-026-01358-2
- Liang, W., et al. “GPT detectors are biased against non-native English writers.” Patterns 4(7), 100779 (2023). DOI: 10.1016/j.patter.2023.100779. https://doi.org/10.1016/j.patter.2023.100779
- Dik, A., et al. “Assessing GPTZero’s Accuracy.” arXiv:2506.23517 (2025). https://arxiv.org/abs/2506.23517
婷 翻译