改掉一句被标红的话，AI 率会掉「一句的量」吗

不会。一个句子身上背的那个分，不是它自己单独挣来的，所以「修好几句」和「掉几个百分点」之间没有兑换率。Turnitin 公开的说法是：句子被抽出来，切进互相重叠的片段，每个片段拿一个 0 到 1 的分，而片段里的句子继承它所在的每一个片段的分——也就是说，一个靠近片段边界的句子，身上不止一个分，之后被合并成一个。这段描述点了三个动作：继承、合并、汇总，三个都没有公布过，所以没有办法从里面读出某一句究竟占了多少。眼下有三种关于这道计算的具体说法在流通，三种都是加法。每一种都能追到一份文件，而每一次，那份文件说的都比建在它上面的说法要少。

三种都在下面，每一种旁边放着它的那份文件。机制本身，以及顺着机制推出来的手工改法，我们另写了一篇：不用工具手工降 AI 率。

一家论文校对公司的「怎么降低 AI 分」指南上这样写，2026 年 8 月 18 日取件，逐字：

"There is no colour scale like the similarity report. The AI report is binary at the sentence level: each sentence is either flagged or not flagged. The overall percentage is simply the proportion of flagged text across the whole document."（不像相似度报告那样有色阶。AI 报告在句子这一层是二元的：每个句子要么被标红，要么没有。总百分比就是全文中被标红文字所占的比例。）

作为对你手上那份报告长什么样的描述，前半句是对的。一个句子要么被高亮要么没有，画面上确实没有深浅之分。它写错的是高亮背后那件事。Turnitin 自己的说法是：

"Each qualifying sentence within these segments inherits the segment's score. Since segments overlap, some sentences may have multiple scores, which are then pooled into a single score."（这些片段中的每一个合格句子，继承该片段的分数。由于片段互相重叠，有些句子会有多个分数，之后被合并成一个分数。）

所以那个句子并没有自己挣到一个判决。它继承了一个概率，可能是两个，来自包含着它的邻居的文本块。高亮是一个阈值的画法，不是这个数字赖以算出来的量。

那段引文的最后一个分句另有问题。「全文中被标红文字所占的比例」，并不是 Turnitin 所说的那个百分比的分母。分析只覆盖它所谓的合格文本，也就是按标准语法句子写成的文本块，列表和项目符号被排除在外；而 Turnitin 由此给出的结论是 "this percentage is not necessarily the percentage of the entire submission"（这个百分比未必是整份提交内容的占比）。如果你的文件有三分之一是表格、项目符号和参考文献列表，那么分母就不是你的文档。这一点我们在怎么读一份 Turnitin AI 检测报告里拆过。

建在这条描述上的建议长什么样：数一数被高亮的句子，除一下，算出你得修好几句。在公开的那段描述之下，这道算术没有对应的对象，因为高亮的条数和那个百分比，不是同一个量的两种看法。

来自一家降 AI 工具厂商的指南，它在讲机制时把 Turnitin 自己的帮助中心列为出处。2026 年 8 月 18 日取件，逐字：

"The model calculates an overall prediction based on the average of all segment scores, producing the percentage displayed in the AI writing indicator."（模型基于所有片段分数的平均值计算出一个总体预测，产生 AI 写作指标上显示的那个百分比。）

这一条离得近多了，近到值得把差在哪儿说准。公开的那句是：

"These sentence scores are further aggregated and used to compute the overall document AI writing score."（这些句子分数被进一步汇总，用于计算文档级的 AI 写作总分。）

是句子分数，不是片段分数。片段分是一个中间值，句子从它那里继承，有时继承两次；被拿去汇总的，是合并之后出来的东西。

这两种算法会不会落在不同的数上，我们没法告诉你，因为 Turnitin 既没有公布合并的算法，也没有公布汇总的算法。不同的是这个运算作用在什么上面，而这一半正是一份修改计划所依赖的。按「对片段取平均」来理解，每个片段不论装了几个句子都占同样的权重，而每个句子恰好待在一个片段里。这两条，公开的那段描述都没有这么说。

第三种说法跳过了机制，直接以一条指令的形式出现：把每一段的开头句和结尾句重写，因为开头和结尾最容易被标红。

它背后确实有一份文件。在一条日期为 2023 年 5 月 24 日的更新说明里，小标题是 "Improvements in detection at the start and end of documents"（文档开头与结尾处检测的改进），Turnitin 写道：

"Since launch, we have observed a higher incidence of false positive detection in the first few or last few sentences of a document. Many times these sentences consist of introduction or conclusion content written in a generic way. As a result, we have changed our detection logic to help reduce these false positives."（自上线以来，我们观察到文档开头几句或结尾几句出现误报的比例更高。这些句子很多时候是写得比较泛的引言或结论内容。因此，我们已经修改了检测逻辑，以帮助减少这类误报。）

从这段里该拿走三件事，按被丢掉的频率排。

它说的是一份文档的开头和结尾，不是每一个段落的。这条建议一路往下搬了两级结构。

它是一份修复公告。第三句才是公告本身。把前两句当成检测器现在怎么运作的描述来引用，等于拿一份缺陷报告当规格书用。

而且这条说明后面还有一句："We also worked on making our segment boundaries detection more precise which could lead in some rare cases to change of boundaries compared with a previous version."（我们还改进了片段边界检测的精度，这在少数情况下可能导致边界与上一版本相比发生变化。）边界移动过。哪一句落在哪个片段里，是一个跟着版本走的实现细节，不是可以拿来做计划的东西。

如果你正在为一场学术不端的谈话做准备，不要把这条更新说明带进去。坐在你对面的人也会读第三句。你能合理地说出口的那句更窄，也更站得住：厂商曾因误报而修改过模型，这不是一个可以被当作定论证据来对待的东西该有的样子。

它们每一条只要成立，你就能算出单独一个句子值多少。吸引力就在这儿。一份修改计划需要一个进度单位，而公开材料里没有任何一处提供这个单位。

你也没法靠做实验把这个缺掉的数补回来，有两条写在文档里的原因。高于 0% 又低于 20% 的分数根本不显示——一个星号，没有高亮——所以从 19% 真的降到 4%，看上去和什么都没动一模一样。而且在大多数配置里，那个指标本来就不归你看：Turnitin 说学生看不到这个指标，也看不到那份报告；能把它交到你手上的，是有权把报告下载成 PDF 的教师。

有一种情形确实接近加法，而它恰恰是你最不想要的那种。当一份提交只有几百词时，只存在单个片段，没有重叠的机会，于是按 Turnitin 自己的说法，预测基本是全有或全无——因此混合了 AI 生成内容与原创内容的文本，可能被整篇报成 AI 生成。那不是精细控制。那是一个开关。

1. 在照着某条「该改哪些句子」的规则动手之前，先找到它出自哪份文件。 上面三条都有。三次里那份文件说的都比规则少，而这个差距，大约五分钟的阅读就能看见。
2. 从你手上真有的高亮出发。 如果一份报告标出了具体的段落，那些是带着证据的。而一条关于位置的规则，背后的证据是 2023 年的一份更新说明。
3. 数你要重新校对一遍的段落，不是你要改的段落。 你动过的每一段，都是你要重读一遍、去看引用有没有断、论断有没有漂、数字有没有跑掉的段落。一份要动学位论文里每一段的计划，等于悄悄给自己造了一份和论文一样大的校对工作。
4. 把你开头那个文件留着。 原稿和中间几版草稿才是这件事里有证据价值的部分，而且不管那个数字怎么变，它们的价值都在。具体怎么留，见怎么留住版本历史。

HumanPen 接收 PDF 形式的 AI 检测报告，按它标出来的片段干活。它有一条规则和这篇有关：改写的最小处理单位是段落，所以只覆盖某段一部分的选择，会在任务开跑之前被补齐成整段。

这条规则不是关于计分的主张。它之所以存在，是因为高亮可以从半句话中间开始，而照着高亮的字符原样改写，交回给你的会是一个由两个人写的段落——前半段一个语域，后半段还靠着前半段里没人动过的那些说法在支撑。一次改写需要覆盖多大的范围才动得了那个分，Turnitin 没有公布过，我们在外面也没有条件把它算出来。

我们给不了你的是那个兑换率，别的东西也给不了。一个能给你预测百分比的工具，给的是一个它手上并没有的数。

如果一个句子被高亮了，把它删掉，是不是就减掉了它那一份分？ 不能这么指望。高亮反映的是这个句子从周围片段那里继承来的分，而删掉文字会改变片段本身。文档那个数是合并后的句子分数的汇总，不是被高亮句子的加总。

那如果我改写一整段，分数会按同样的量往下掉吗？ 没有公开过的量，段落和句子一样没有。公开的是片段互相重叠，所以任何一处文字会发生什么，取决于它两边的文字。

为什么高亮的量和那个百分比对不上？ 因为百分比只在合格散文上计算，而 Turnitin 说，混合了多种写作类型的文档 "would result in a disparity between the percentage and the highlights"（会导致百分比与高亮之间出现落差）。

每段的第一句和最后一句真的更容易被标红吗？ 这个说法的源头讲的是一份文档的开头几句和结尾几句，讲于 2023 年，而且在同一条说明里就宣布了修改检测逻辑来减少这种情况。它不是对当前行为的描述，也不能拿来当申辩材料。

我能自己测一测改动的效果吗？ 通常不能。20% 以下只显示一个星号，没有数字也没有高亮；而在大多数配置里，这个指标是给教师和管理员看的，不是给你看的。

---