做检测器的公司，自己先不用了

几乎每次咨询都会被问到：要不要把孩子的文书拿去 AI 检测一下？这份担心我们明白。可是有件不太好听的事得先说。

做检测器的公司，自己先放弃了

做 ChatGPT 的 OpenAI 自己出过一个检测器，六个月后悄悄下架。理由只有一句：准确度不够。

有多不够：机器写的一百篇里只挑出二十六篇。更麻烦的是反过来——人写的一百篇里，有九篇被判成机器写的。

百分之一，落到人头上是多少

学校常用的 Turnitin 说自己的误判率是百分之一。听起来还行。Vanderbilt 大学把自家的数字代进去：2022 年经 Turnitin 提交的作业约七万五千篇，百分之一就是每年可能有七百五十篇被冤枉。

Vanderbilt 在 2023 年 8 月直接关掉了这个功能。

2025 年 4 月，美国 FTC 出手了。有一款检测器宣传自己准确率百分之九十八，实测在一般文本上只有百分之五十三——和抛硬币一样。那个百分之九十八原本是学术文本的数字，被原样搬去给一般文本做广告。

真正的问题在后面

这些误判并不是均匀分布的。Stanford 的团队做过一个很简单的实验：准备两组全部由人写的文章，一组是美国八年级学生写的，一组是母语非英语的学生写的托福作文。

放进七款常用检测器。美国学生的文章几乎都以「人写」通过；非母语学生的文章明明全是人写的，却有十篇里约六篇被判成机器写的。

为什么？检测器不看是谁写的，它看下一个词有多好猜。用词越常见、越安全，就越像机器。

这个工具量的不是作者，是词汇量。

还有一个更苦涩的转折。研究团队把那些被冤枉的文章交给 ChatGPT「润色得更精致些」，判定就翻成了「人写」。也就是说：会用 AI 洗稿的孩子过关，老老实实自己写的孩子反而被拦下。

「我们家孩子不用那些东西」

正因如此才更麻烦。Max Planck 研究所分析了约七十四万小时人们实际说出口的话——不是写的，是说的。ChatGPT 出来之后，模型偏爱的那些词在日常谈话里明显变多了。没有人要求任何人这么做。

所以孩子的文章读起来像机器，不是孩子的错，也不是作弊的证据。这是这一代人的默认状态。

而另一边，机器也正在进来

2023 年的一项调查里，十所高校中有八所表示会在一年内把 AI 工具引入审阅。2025 年 Virginia Tech 干脆改了做法：原本由两位真人阅读的文书，改成一位真人加一位 AI。两个分数相差超过两分时会再加一位真人，最终录取决定仍由招生人员做出。

于是老实写作的孩子被夹在中间：一边是语言自己向机器靠拢，另一边是机器正要把这样的文字筛掉。

办法是有的，但不是机器

UMass 的团队请五位每天使用 AI 写作工具的读者，读了三百篇人写与机器写混在一起的文章。五个人的多数表决，三百篇里只错了一篇。同样的材料，商用检测器大约在百分之八十五。

更要紧的是后面这点：这些人说得出自己看到了什么。句子工整得像公式；语法完美得可疑；结尾化进一片笼统的乐观里。这不是玄乎的直觉，是可以学的手艺。

从这里开始是我们的部分

我们手上有八百多篇真实的大学申请文书，以及约七百份由资深评审写下的、说明某篇为何得到某个评价的评语。这就是我们的尺子。不是凭感觉，是有数的。

有了尺子，建议就不一样了。不再是「要不要加点对话」，而是：评价最高的那一档，十篇里约有六篇写进了真实发生过的对话；最低的那一档，十篇里只有一篇。这是证据，不是说教。

我们从这八百多篇里提炼出十四条标准。而贯穿这十四条的，只有一个问题。

换一个申请人，只把名字换掉，这篇文章还成立吗？

如果成立，那它还不属于任何人。

我们不提供的东西

分数

没有。

概率

没有。

「这是你用机器写的」这类判定

不做。我们不判定真伪。

与某个群体平均值的比较

不做。唯一的比较对象，是孩子自己的上一稿。

检测分数问的是「这是不是机器写的」。招生官问的是更好的一个问题——「换成别的任何人，也写得出来吗？」我们为第二个问题做辅导；因为当那个答案是「不能」的时候，第一个问题就不重要了。

依据OpenAI 公告 · Vanderbilt（2023-08）· FTC 诉 Workado（2025-04）· Stanford，Liang 等，Patterns 2023 · Max Planck · UMass，Russell 等，ACL 2025 · Intelligent 调查 2023 · Virginia Tech 2025。引用于 2026 年 8 月复核。之上的解读是 IPE 的判断。