2025年iThenticate升级后，AI翻译和润色工具还能用吗

正文

有很多非英语母语的研究者，写作流程是这样的：先用中文把整篇论文写出来，然后用 DeepL 或 Google Translate 把它完整地翻译成英文，再在这个英文版本上花费大量的时间做人工润色和修改。在 2025 年 10 月之前，这种写作流程在iThenticate上跑出来的 AI 检测分数通常是相当低的——可能 0% 到 5% 左右。因为旧版的 AI 检测模型在区分"翻译引擎输出的语言"和"AI 模型生成的语言"之间有足够的惰性。2025 年 10 月之后，这个惰性被大幅削弱了。

升级后的 AI 检测模型对翻译引擎输出的敏感度显著提升了。这个变化的根本原因是技术层面的——现代神经翻译引擎（DeepL、Google Translate、以及集成在 ChatGPT 里的翻译模块）在底层使用的 Transformer 架构跟生成式大语言模型是同源的。它们在处理"给定一段源语言文本，输出一段目标语言中最流畅的对应文本"这个任务时，所采用的生成策略跟 ChatGPT 说"帮我写一篇关于 XX 的学术论文"时的生成策略在数学上是近亲——两者都在最大化输出文本在训练数据分布下的概率。这意味着翻译引擎产出的英文文本在统计特征上天然包含了一些跟 AI 生成文本共享的模式——只不过旧版检测模型对这类模式的识别不够敏锐。

所以如果你现在的写作流程仍然是"完整中译英 + 少量人工润色"——iThenticate 2.0 的 AI 检测有很高的概率会给你的稿件打上较高的 AI 分数。这不是说你用了不允许使用的工具——翻译工具在学术写作中的使用本身是合理且被广泛接受的——而是在说你当前的翻译润色流程产出的文本在统计特征上超过了一定的阈值。

怎么调整流程才能在继续合理利用翻译工具的同时控制 AI 分数？关键是把翻译工具的使用方式从"大段整体翻译"切换为"短片段辅助翻译"。不要把你整篇论文的整个段落一口气丢给翻译引擎。写完一段中文之后你自己先尝试用英文把它写出来——哪怕写得不够好、语法不完全正确、表达不够地道——你先把你的英文版本写出来放在文档里。然后对于你在自写版本里不确定的短语或句子，再逐句用翻译工具来辅助确认和参考。翻译工具在这个流程里是你的参考——而不是你的替代。你的英文版本是你自己输出的，翻译工具的版本是你用来对照修正的参考——前者才构成了你最终稿件的文本基础。这种写作方式产生的文本在统计特征上更接近"一个非母语写作者自己写的"，而不是"一个翻译引擎输出的"。

润色工具——尤其是那些集成了 AI 改写功能的润色工具——在升级后也需要小心使用。Grammarly 的基础语法检查功能——拼写纠错、主谓一致、冠词使用——通常不会导致 AI 分数大幅上升。但 Grammarly Premium 的"改写建议"功能和"语气调整"功能——它们的工作方式是在你的句子上做 AI 驱动的语义级重写——改写过的句子在统计特征上会留下 AI 模型的操作痕迹。如果你大量依赖这些深度改写功能来处理你的英文稿件，升级后的 iThenticate 有可能识别到这些经过 AI 润色的句子。关于这个话题，前面对 Grammarly 和 AI 检测的关系有一篇做过详细的展开，里面的原理对 iThenticate 同样适用。

一个更长远也更稳固的策略是——持续提升你自己的英文写作能力。你不需要为了规避 AI 检测而拒绝使用所有技术辅助，但你需要确保你的稿件的最终文本是你自己在语言层面做了主导的——你选择的每一个词、每一个句式、每一个段落结构——代表了你作为一名研究者想用什么样的语言来呈现你的发现。语言辅助工具可以帮你确认你的选择对不对，但不应该替你做出语言选择。你是你论文的作者，英文是你呈现研究的工具——这两件事合在一起意味着你应该比翻译引擎更了解你想说什么以及你想怎么用英文说。ithenticate中文网站上提供了更多关于投稿前语言准备和 AI 检测应对策略的内容。ithenticate资讯网在持续更新 iThenticate 版本升级和 AI 检测动态。