iThenticate 2.0升级后AI检测更严了，研究者该怎么办

正文

2025 年对于用iThenticate的研究者来说是一个分水岭。上半年投出去的稿件用 iThenticate 1.0 查出来的 AI 检测分数还在安全范围内，到了下半年同样的写作方式在 iThenticate 2.0 上跑出来的 AI 分数可能直接翻倍甚至翻几倍。这不是你的写作方式突然变了——是检测模型在 2025 年 10 月做了一次大幅的灵敏度升级。

这次升级的核心变化是——iThenticate 2.0 的 AI 检测模型被重新训练和校准，对 AI 生成文本的识别灵敏度显著提高。升级之前，由 ChatGPT 直接生成的纯 AI 文本在某些情况下可能只被检测出不到 20% 的 AI 率，看上去还落在"合格"的灰区里。升级之后，同样的文本 AI 检测率可能直接飙到 80% 甚至 100%。升级之前你用 DeepL 翻译之后再人工润色的文章，AI 分数可能是 0%，升级之后同样流程产出的文章 AI 分数可能达到 50% 以上。这个变化幅度之大，让很多习惯了在写作流程中借助 AI 翻译和润色工具的研究者措手不及。

这次升级的另一个重要变化是增加了"AI 改写检测"这个维度。iThenticate 2.0 的 AI 报告现在把 AI 相关的内容分成两类——一类是纯 AI 生成的文本，另一类是"AI 生成后又经过 AI 工具改写"的文本。后者指的是那些你先用 ChatGPT 生成了一段初稿、然后再用另一个 AI 降重工具或人化器处理过一遍的文本。这个"二次处理"的过程会在文本的统计特征上留下独特的痕迹——不同于一次 AI 生成的直接痕迹，而是"AI 改了 AI"的嵌套痕迹。iThenticate 2.0 的新模块专门针对这种嵌套痕迹做了识别。

面对升级后的检测灵敏度，研究者在写作流程上需要做几个重要的调整。第一，如果你习惯于先把中文稿写完之后用 DeepL 或 Google Translate 翻译成英文，再在这个英文版本上做人工润色——这个流程在 2025 年升级之后大概率会产生偏高的 AI 检测分数。原因在于，现代的神经翻译引擎在底层技术上跟大型语言模型共享了相似的架构和训练目标——它们都追求输出"在目标语言里最自然、最流畅的表述"。这意味着翻译引擎输出的英文文本在统计特征上天然趋近于 AI 生成的文本。10 月升级之前的检测模型对这个趋近度不够敏感，升级之后敏感度上来了——翻译软件产出的文本也跟着被拉进了 AI 检测的标记范围。

怎么在这种新环境下把 AI 分数控制在可接受的范围？核心原则是把 AI 工具的使用位置从"写"往后推到"查"。用 AI 帮你查文献、帮你整理研究笔记、帮你检查语法——这些操作不会在你的最终文稿里留下 AI 生成的统计痕迹。AI 帮你生成初稿或者帮你把整段文字重写——这些操作会在文稿里留下可检测的痕迹。ithenticate查重的 AI 检测模块现在对这两种使用方式的区分度足够高——辅助性质的工具使用通常不会触发高分数，生成性质的工具使用大概率会。不是让你完全不用 AI 工具，而是让你把 AI 的角色从"作者"退回"助手"。

如果你的论文已经在升级后被检测出了高 AI 分数，而你的写作过程确实没有大面积使用 AI 生成文本——先冷静看一下匹配段落。非母语研究者的写作在统计特征上本来就容易被误判——因为你在努力把英语写对、写规范，而这种"规范化"的文本恰好在统计空间里跟 AI 生成的规范文本趋近。如果你发现自己被标记的段落是你花了最多心思去反复修改、润色、力求完美的那些段落——这个悖论是真实存在的。解决的办法是在这些段落里有意识地保留或加入一些"不完美的"表达——一个稍微不那么常见的词、一个句长突然变短的插入句、一个带有人判断痕迹的过渡语句。这些微小的不完美不会降低你论文的学术质量，但在统计特征上能让你的文本脱离 AI 模型的生成分布区间。ithenticate中文网站上有更多关于降 AI 率的具体技巧，你可以去翻一翻。ithenticate资讯网也在持续关注 iThenticate 的版本更新动态。