「AI 检测器就是骗局」!2.4 万人点赞:30 页毕业论文被判 98% 生成,Vanderbilt、MIT、Stanford 集体打脸

2.4 万人点赞：「AI 检测器就是骗局，完全没用」

5 月 30 日，X 账号 Reddit Lies 发帖：

"Daily reminder that AI detectors are a scam and literally do not work."

「每日提醒：AI 检测器就是骗局，完全没用。」

帖子配了一张来自 Reddit 的学生求助长截图。

▲ Reddit Lies 推文及附图，获得 2.4 万点赞、243 万次浏览

截图里的学生自述：他在纽约一所私立大学读大四，靠每年4.5 万美元的 merit scholarship 上学。上个月提交了花六个月手写的30 页毕业论文，结果学校的自动查重/AI 检测工具把论文标记为「98% probability AI-generated」。

学校已正式指控他学术不端（academic misconduct）。

他提出展示Google Docs 编辑历史和研究笔记，证明论文确实是逐字敲出来的。但教授和学术诚信委员会拒绝查看，称学校政策以检测软件的官方报告为准，认为工具"高度校准且准确"。

后果摆在眼前：自动挂科、停学、奖学金立即撤销。继续读完学位，得自掏 4.5 万美元。

需要指出：这个案例目前仍是社交平台上的匿名自述，未经独立媒体或校方核实。但它击中了一个被反复验证过的真问题——当一个黑箱工具说"98% AI 生成"时，学校该不该无视写作过程证据，直接走处分流程？

回复区更炸裂：1976 年的论文也被判成 AI

帖子下面的回复区，几乎变成了"AI 检测器受害者互助会"。

Mary Rayburn自称退休材料科学工程师，她1976 年发表的研究文章被某 AI 工具标成">98% AI generated"。

"I'm a retired materials science engineer. Research articles I published/wrote in 1976 were flagged as >98% AI generated."

「我是退休的材料科学工程师。我 1976 年发表的研究文章被标记为 >98% AI 生成。」

1976 年。那时个人电脑都没普及。

Brian H说，他1999 年的博士论文被两位教授使用的 AI 工具判定"95% chance AI used"。

还有人提到葛底斯堡演说和圣经的部分段落也会被检测器标红。

这些都是个人在社交平台上的自述，不能等同于统计研究。但它们指向同一个现实：AI 检测器倾向于把规范化、简洁、结构化的写作判定为"AI 生成"。越认真写、格式越标准的文本，越容易被误判。

另一批高互动回复聚焦在程序公平上：

• 建议学生保留 Google Docs 版本历史、Word 修改记录、研究笔记和邮件往来
• 建议要求学校把教授自己的毕业论文也放进同一个检测器跑一遍
• 有人直接说：请律师，起诉学校和工具供应商

也有人质疑原始截图的真实性，认为大多数大学不会只靠 AI 检测结果做处分决定。这类反向声音同样重要——但问题在于，只要有一所学校真的这么做，对那个学生来说就是灭顶之灾。

Vanderbilt 大学：我们已经关停了 Turnitin 的 AI 检测功能

社交媒体上的吐槽可以当情绪看，高校自己的表态才是真正的证据。

Vanderbilt 大学在 2023 年 8 月发文，标题已经说明了立场：《Guidance on AI Detection and Why We're Disabling Turnitin's AI Detector》（关于 AI 检测的指引，以及为什么要关停 Turnitin 的 AI 检测器）。

▲ Vanderbilt 大学 Brightspace 页面，解释为什么禁用 Turnitin AI 检测功能

Vanderbilt 表示，Turnitin 在 2023 年 4 月推出了 AI 检测更新，会对提交的论文给出"AI 写成比例"的判定。学校经过数月测试，与 Turnitin 及其他高校反复沟通后，决定禁用这项功能。

原因包括：

• 工具运行机制不透明
  ——教师和学生都无法理解分数怎么算出来的
• 教师容易把 AI 分数当成铁证
  ——但它只是概率估计
• 误报在大规模部署后变成真实伤害
  ——声称 1% 的 false positive rate，几千篇论文里就是几十个被冤枉的学生
• 学生被迫自证清白
  ——举证责任被倒置
• 学术诚信程序需要可解释性
  ——黑箱工具提供不了这一点

高校内部早就知道 AI 检测有问题。Vanderbilt 选择了最直接的处理方式——关掉它。

对比 X 帖子里描述的场景：学校拒绝查看编辑历史，只认自动工具的报告。如果这是真实的，它恰好违背了 Vanderbilt 这类学校公开发布的谨慎建议。

MIT 开门见山：「AI 检测器没用，应该换个思路」

MIT Sloan 的教学技术团队也发了文章，标题直截了当：

"AI Detectors Don't Work. Here's What to Do Instead."

「AI 检测器没用。应该怎么办？看这里。」

▲ MIT Sloan 教学技术页面：AI 检测器没用，应该怎么办

MIT 的核心建议是：与其死盯最终文本查 AI 痕迹，不如从课程设计和过程管理入手。四个方向：

1.设计 AI-resilient 的学习体验——让作业本身就需要个人经历、课堂讨论或特定场景参与 2.从开课就把规则定好——哪些场景可以用 AI、哪些不行，学期初就摆上台面 3.促进透明对话——让学生主动声明 AI 使用情况，把事后稽查变成事前约定 4.关注过程证据——草稿、编辑记录、口头答辩、阶段性提交

这和 X 帖里 Google Docs 编辑历史的争议直接相关：如果学生能提供完整的写作过程记录，而学校仍然只看一个概率分数，那问题已经超出了检测器本身——整套评估制度在偷懒。

Stanford 研究补上最后一块拼图：检测器对非母语英语写作者有系统性偏差

Stanford HAI（Human-Centered AI）的研究结论更扎心：

"Don't put faith in detectors that are 'unreliable and easily gamed.'"

「别指望那些"不可靠且容易被绕过"的检测器。」

▲ Stanford HAI 文章：AI 检测器对非母语英语写作者存在偏差

Stanford 研究者发现，常见的 GPT 检测器在评估非母语英语写作者的文本时，误报率显著偏高。

原因并不复杂：AI 检测器主要靠"困惑度"（perplexity）来判断——困惑度低、句式规整、表达可预测的文本更容易被标上 AI 标签。但非母语英语写作者天然倾向于使用更简单、更规范的句式和词汇。

换句话说：一个中国留学生认真写的英文论文，可能比美国本土学生的论文更容易被检测器标红。

国际学生、ESL 学生、技术文档写作者、使用标准模板格式的学科（比如实验报告、工程文档），都在这个系统性偏差的打击范围内。

Stanford 还指出了硬币的另一面：真正的 AI 生成文本，经过人工编辑或改写后，反而容易逃过检测。

两头失败。把真人写作判成 AI，又放过了真 AI 内容。用来做低风险的课堂讨论素材，勉强说得过去。但拿它来决定一个学生的停学、奖学金、学术诚信记录、签证乃至职业前途——就是在用一个不合格的工具做高风险裁决。

一个概率分数，凭什么决定一个人的前途？

回到开头那条帖子。它之所以能获得 243 万次浏览和 2.4 万点赞，是因为它把一个抽象的技术争论压缩成了所有人都能代入的场景：

一个软件说"98% AI 生成"，学校就可以直接处分学生了？

Vanderbilt 禁用了检测器。MIT 说"别用检测器当判官"。Stanford 证明检测器对非母语写作者有偏差。Washington Post 报道的标题更绝望：「Detecting AI may be impossible.」（检测 AI 可能本身就做不到。）

这些机构之所以纷纷表态，是因为 AI 检测器背后藏着三重不对称：

证据不对称。检测器吐出一个看似精确的概率值，但学生根本不知道这个分数怎么来的——用的什么模型、阈值怎么定的、在自己的学科和语言下误报率到底多高。黑箱输出，堵死了申辩空间。

后果不对称。对工具供应商来说，一次误报是统计噪声；对学生来说，可能意味着停学、奖学金、毕业、签证和职业前途全部归零。Vanderbilt 说得对——1% 误报率放到几千篇论文里，就是几十个真实的人生被搅乱。

责任不对称。教师和行政人员把难判断外包给软件，供应商在 FAQ 里写满免责条款，最终被逼着自证清白的只有学生。这就是 X 回复区里反复出现 Google Docs 编辑历史、track changes、草稿和律师的原因——大家真正愤怒的焦点，是机构用一个有缺陷的工具来逃避做出人工判断的责任。

AI 检测器可以用吗？可以。用来做低风险的课堂参考，用来提醒学生注意写作规范，用来辅助教师的初步判断——都没问题。

但它绝不应该被当作停学、奖学金撤销、学术诚信处分的唯一依据。

一个连 1976 年论文都会判错的黑箱工具，凭什么决定一个学生的前途？

— END —