AI 内容检测
本指南介绍 DrillBit AI 内容检测报告 - 当文档被检测是否含有 AI 生成文本时,DrillBit 生成的可下载 PDF。报告会估算所提交文档中有多少内容呈现 AI 生成特征,逐块拆解该估算结果,并还原原始文档:被检出的句子以蓝色突出显示,手动排除的内容以浅米色显示。无论结果如何,每份 AI 报告都采用相同的四部分结构,本指南接下来会逐一说明您将看到的每一项参数。
AI 检测是概率性的,而非结论性的:DrillBit 的 AI 内容检测给出的是估算值,不是裁定。即使检出的 AI 文本百分比很高,该结果也只是提示某些段落可能由 AI 工具撰写或辅助撰写 - 它并不是证据。请将报告与人工判断和文档背景结合使用,切勿将其作为唯一依据。
本指南全程使用同一份真实报告作为示例:提交编号 5964872,一份 384 词的文档,得分为 33.85 % 检出 AI 文本,其两个区块中有一个已被手动排除在得分之外。
如何阅读 AI 内容检测报告
DrillBit AI 内容检测报告是一份多页 PDF。第一页是一目了然的摘要:主要得分、它在 0-100 % 标尺上的位置、提交元数据以及内容构成图。第二页按区块拆解得分并说明方法论。此后每一页都还原原始文档文本,并突出显示被检出的句子。滚动浏览时,报告从头到尾是这样的:
报告按以下顺序组织:每页重复的报告页眉;检出 AI 文本主要数值及其标尺位置条;01 提交信息;02 内容构成;二维码 / AI 诚信帮助面板;03 AI 内容分析 - 区块级;04 如何解读本报告;最后是突出显示的文档内容。本指南接下来会逐一说明每个部分的每项参数。
报告页眉与页脚
每一页都带有相同的页眉和页脚,因此打印出来或仅部分共享的报告始终可以追溯到对应的提交。页眉左侧是 DrillBit 徽标,右侧是AI 内容检测报告和提交 ID;页脚在同一提交 ID 旁重复显示DrillBit - AI 内容检测。提交支持工单时请注明该 ID - 这是支持团队定位到具体报告最快的方式。
检出 AI 文本与标尺位置
主要区块位于封面顶部,分为左右两半。左侧是检出 AI 文本 (%) 数值 - 报告中最重要的一个数字。右侧的标尺位置条把同一数值放到 0-100 % 的区间上,让您一眼看出文档落在何处。请观看得分逐步上升,随后标尺填充并显示其数值标记:
- 检出 AI 文本 (%):所分析内容中呈现 AI 生成特征的比例,保留两位小数。这是报告的主要结果 - 它是对 AI 特征信号的统计估算,而非已证实为 AI 生成的句子数量。
- 匹配 n 个词呈现 AI 特征信号:百分比背后的绝对词数。与百分比一起阅读可看出发现的规模:这份 384 词文档的 33.85 % 是 130 个词,大约相当于一个长段落。同样的百分比放在 20,000 词的学位论文中就接近 7,000 个词,性质要严重得多。
- 标尺位置:一条 0-100 % 的条带,得分所在位置被填充并用数值标签标出。它不包含额外数据 - 它的作用是让结果在打印的报告或演示中仍可即刻读懂,读者无需在脑中把数字定位到某个区间。
如何负责任地使用检出 AI 文本百分比:请把任何数值视为进一步核实的起点,而不是结论。将被标记的句子与文档其余部分对比,看文风是否一致;在合适的时候询问作者的写作过程;在得出任何结论前考虑背景(例如该作业是否允许使用 AI 辅助)。
01 提交信息
此区块记录文档本身以及提交者的身份信息。每个字段都在上传时采集,之后无法编辑。请观看下方动画,其中会逐一解释每个字段:
- 作者姓名:提交时为文档作者填写的姓名。
- 标题:上传时提供的文档标题。它会出现在报告的每一份下载副本上。
- 文档 / 提交 ID:DrillBit 为该提交分配的唯一数字标识符。它会在每一页的页眉和页脚重复出现。
- 提交者:上传该文档的账户电子邮件地址。
- 提交日期:收到文档的时间戳,以
YYYY-MM-DD HH:MM:SS格式记录。 - 文档类型:DrillBit 识别出的来源类型 - 例如电子书、学位论文、作业、文章或摘要。
- 语言:用于分析该文档的语言配置。检测阈值按语言分别校准,因此该字段说明是哪一套配置得出了这个得分。
- 文本 [页数, 句数, 词数]:一个字段中的三个计数,始终按此顺序 - 此处
[2, 43, 384]表示提取出的文本共 2 页、43 句、384 词。词数是报告中其他所有数值的分母:“匹配 n 个词”这一行、内容构成的三个百分比以及每个区块的数值,都是这 384 个词的占比。
请先检查词数:如果文本 [页数, 句数, 词数]远小于您提交的文档,说明 DrillBit 只能提取出部分文本 - 通常是因为文件包含扫描图像而非可选中的文字。此时百分比是基于这部分较小的提取内容计算的,因此请在依据结果采取行动之前,重新提交一份文字版。
02 内容构成
本部分把所分析的文档划分为三个互不重叠的部分,并以环形图配对应图例呈现。角落里的注记 - 颜色与文档内的突出显示一致 - 是关键细节:这里的颜色与报告后文中用于突出文本的颜色相同,因此图表与页面在视觉上彼此对应。请观看环形图绘制出三个扇区,以及每一行图例依次填充:
- 人工撰写 - 原创或未被标记的内容(灰色,43.49 %):检测引擎未标记的全部内容。请注意措辞:这是未出现 AI 特征信号的内容,与已证实由人撰写的内容并不相同。
- AI 文本 - 在文档中以蓝色突出显示(蓝色,33.85 %):被标记的部分。该数值始终等于检出 AI 文本 (%)主要数值,也正是您将在文档页面上看到以蓝色突出显示的部分。
- 已排除 - 手动排除的内容(琥珀色,22.66 %):审阅者或文件夹设置从分析中移除的内容,因此它不计入其他两个数值中的任何一个。当此处为 0.00 % 时,表示没有排除任何内容,得分覆盖整份提取出的文档;此处为 22.66 %,即近四分之一的文档不在计算范围内。
被排除的内容是从得分中移除,而不是从文档中移除:本例中的 22.66 % 仍然经过了分析 - 只是不计入检出 AI 文本。因此 33.85 % 这一主要数值只描述被纳入的内容。只要“已排除”大于零,就应查看被移除的是什么,并确认这样移除是恰当的:在大量内容被排除的文档上出现高分,其依据的文本基数远小于主要数字所暗示的规模。
三个数值之和始终为 100 %:人工撰写 + AI 文本 + 已排除覆盖整份被分析的文档 - 此处 43.49 + 33.85 + 22.66 = 100。如果您正在阅读的报告中三者之和不等于 100,说明提取环节出了问题,建议重新运行分析。
二维码与 AI 诚信帮助
封面底部有一个面板,包含可扫描的二维码和AI 诚信帮助栏目。扫描二维码即可在移动设备上打开同一份报告,便于在面谈审阅时展示结果而无需转发文件。旁边是两个长期有效的参考链接:AI 帮助中心(drillbitglobal.com/ai-content-detection)提供指南、政策与最佳实践,检测方法论(drillbitglobal.com/ai-method)提供得分如何产生的技术说明。这两个链接都值得随报告一并发给作者,让沟通从对该数字含义的共同理解开始。
03 AI 内容分析 - 区块级
主要百分比是针对整份文档的单一数字;本部分展示 DrillBit 是如何得出该数字的。检测引擎把提取出的文本划分为区块(连续的内容片段),并对每个区块单独评分。表格上方是四个汇总方块,表格中每个区块占一行。本报告中有一个区块被纳入、一个被排除,因此动画同时展示了被排除的行是如何标示的:
四个汇总方块的含义如下:
- 区块总数:提取出的文本被划分成多少个区块 - 此处为 2。
- 纳入的区块:其中有多少个区块计入了 AI 得分 - 此处为 1。
- 排除的区块:有多少个区块被排除在计算之外 - 此处为 1。如果没有排除任何内容,此处显示 0,且纳入的区块等于区块总数。
- 已排除 (%):被排除区块所占的内容比例,以琥珀色显示。整份报告中一律使用琥珀色表示排除 - 内容构成中的已排除扇区、下方表格中被排除的行,以及文档页面中被排除的段落,都是同一种颜色。
方块下方的表格中每个区块占一行,包含以下列:
- 区块:区块编号。这些编号不只是标签 - 它们会以带编号的小标记形式重新出现在文档页面上,因此您可以准确定位每个区块在正文中的起始位置。
- 句数与词数:该区块的规模,即包含多少句子和词。它们只涵盖被标记和被排除的片段,因此不会加总为文本 [页数, 句数, 词数]中的总量:文档中未被标记的其余部分不构成区块,也没有对应的行。此处两行共覆盖文档 384 词中的 217 词;其余 167 词属于人工撰写部分。
- AI 匹配 (%):该区块在文档总词数中所占的比例,以数值和等比条形同时显示 - 区块 1 的 130 词是 384 词的 33.85 %,区块 2 的 87 词是 22.66 %。
- 状态:为已纳入或已排除,说明该行是否计入了主要得分。被排除的行以米色底纹配琥珀色边线和琥珀色标签显示,因此在通读表格时很容易将其区分开。
- 备注:表格下方那一行用文字重述排除情况 - 此处为已从 AI 得分中排除 1 个区块(87 词) - 因此被移除内容的规模不仅以百分比表示,也以词数表示。
各行数值可以对上 - 用它来核对报告:所有已纳入行的AI 匹配 (%)之和等于封面上的检出 AI 文本数值,所有已排除行之和等于已排除数值。在本报告中两个方向都是一一对应:区块 1 的 33.85 % 就是主要得分,区块 2 的 22.66 % 就是已排除数值。如果需要确认某个主要数字的来源,区块表就是它背后的算式。
先看区块,再看主要数字:两份文档可能因为截然不同的原因得到相同的总体百分比 - 一份的信号均匀分布在多个区块上,另一份则由单个大区块承担了几乎全部。后一种情形会直接指向值得复核的那一部分,而这是单看主要数字做不到的。
04 如何解读本报告
分析页的最后一部分用三个简短段落说明 DrillBit 的方法论。值得通读一次,以了解该得分究竟衡量什么,以及同样重要的一点 - 它为何可能与另一款工具的结果不同。动画会逐一展示每个部分及其背后的信号:
检测如何工作。DrillBit 将成熟的 AI 检测方法 - 困惑度分析(下一个词的可预测程度,因为 AI 文本往往比人类文本更平顺)、突发性测量(句子长度与复杂度的变化幅度,因为人类写作更不均匀)以及文体计量分析(可量化的风格指纹)- 与内部自研的专有技术结合起来。在此基础上,引擎还会评估另外四个分析层:
- 写作层次:观点在文档中如何组织和推进。
- 行文模式:句子结构、过渡方式以及反复出现的表达结构。
- 用词优先级:关键术语的顺序、权重与位置。
- 技术性构成:全文的格式一致性与结构统一性。
不同工具的得分为何存在差异。各检测系统在特征、训练数据和评分规则上互不相同,因此工具之间出现差异属于预期之内,并不说明某一方有误。某些写作风格 - 正式文体、译文或基于模板的文本 - 在任何系统中都可能产生偏高的信号,因为这些风格确实与生成文本共享统计特性。本文的示例报告正是如此:一份由简短、统一、编号条款构成的需求规格说明,恰恰属于会抬高信号的模板化写作。此类文档上的偏高得分反映的是该文本真实的统计特征,而这正是结果需要人工阅读、而非自动下结论的原因。
如何使用本报告。本报告被设计为评估作者身份的证据基础:它指出需要更仔细审查的部分,并展示每一部分的分析依据。最终判断由审阅者作出,并结合草稿、既往作品及其他佐证材料一并权衡。
突出显示的文档内容
分析页之后,报告其余部分是对原始文档的忠实还原,被检出的内容以与内容构成图相同的颜色突出显示:蓝色表示 AI 文本,浅米色表示手动排除的内容。未被突出显示的句子即为未被标记的人工撰写部分。带编号的小标记指示每个分析区块的起始位置,因此上一页的区块表可直接对应到正文:
如何使用突出显示内容这一部分:
- 把颜色与图表对应起来。蓝色是 33.85 % 的 AI 文本,米色是 22.66 % 的已排除内容,未突出显示的全部是 43.49 % 的人工撰写内容。因此阅读这些页面本身就是对封面数值的一次目视核对。
- 用区块标记来定位。带编号的小标记与区块表中的某一行相对应,因此AI 匹配 (%)较高的区块可以立即在正文中找到,而不必逐页翻查。
- 结合上下文阅读被突出显示的句子。被标记的文字在节奏、词汇或正式程度上往往与周围的行文明显不同。通读全文往往比在各处突出显示之间跳读更容易察觉这种反差。
- 关注密度,而不只是百分比。这些页面上蓝色的视觉分量应当与封面数值以及各区块数字相吻合。若不吻合 - 例如得分很高但可见的突出显示很少 - 请检查文本 [页数, 句数, 词数]字段,因为通常的原因是文本仅被部分提取。
- 把突出显示当作交流的切入点,在学生作业中尤其如此。请作者用自己的话讲述被标记的段落,往往就能弄清它是本人撰写、从其他来源改写,还是由机器生成。
快速阅读 AI 报告的方法:先看主要数值及其匹配词数,以判断发现的规模。检查已排除是否大于零,因为得分只覆盖被纳入的内容。接着阅读区块表,看看信号是集中还是分散。之后再打开文档页面,结合上下文阅读被标记的段落 - 并且请始终记住,该结果是概率性的提示,而不是证据。