AI 检测器误判了，怎么证明这篇东西是你自己写的

没有任何工具能证明一段文本的原创作者是你。你能做的是构建一条证据链：显示文件随时间被编辑的版本历史、笔记和大纲和批注过的文献等前置材料、导师邮件和同伴评审等写作过程记录、以及你对自己文本为什么长这样的解释。单独哪一条都不能否定 AI 的介入。合在一起，它们给审查分数的人一个分数以外可以看的东西。而造工具的那家公司在三份帮助文档里写过：AI 分不应作为对学生采取不利行动的唯一依据。这不是你的辩词，是他们的。

下面是证据链的四个层次、每一层能做什么和不能做什么、以及怎么把它们带进那次谈话而不过度声称。还有一节专门讲 Turnitin 自己对它的分数说过什么，因为那些话应该出现在那间屋子里，而它们不是你能替它说的。

「证明原创性」和「否认用了 AI」的区别在于：一个是关于一个否命题的主张，一个是关于一份文件怎么来到这里的证据。只有第二个给审查者提供了能用的东西。

AI 写作检测器对文本做分类。它接收一份文档，切段，给每段一个概率分，汇总成一个数字。那个数字描述的是散文的某种统计性质。它不描述谁写的、怎么产生的、提交之前发生过什么。

这句话值得直说，因为「怎么证明我的作品是原创的」这个问题经常被当作有一件与 Turnitin 对称的工具来回答，好像有什么东西能接收你的草稿、输出「是的，你自己写的」。不存在那种工具。不存在原创性的分类器。原创性是一个关于过程和出处的主张，而过程和出处是用记录建立的，不是用另一个分数建立的。

所以要做的事不是找一个反向检测。要做的事是把让写作过程变得可见的材料组织起来，并配上 Turnitin 自己关于它的分数能定什么、不能定什么的话。我们在被标了但确实是你写的里写过这件事的一般版本。本文是更宽的框架。

版本历史是一份带时间戳的文件修改记录。Word 通过 OneDrive 自动保存和「跟踪更改」保留它。Google Docs 原生保留，默认开启，用户关不掉。Overleaf 保留一份 Git 风格的页面历史。三种都记录编辑发生的时间和大致改动量。

能显示的：

• 文件在多个不同日期的编辑会话里被修改过。
• 有的改动小（一段、一句），有的改动大。
• 文件在更早的状态里存在过，有时是提交前几周。
• 编辑集中在反馈事件、导师意见、或你自己的修改轮次附近。

不能显示的：

• 每一句都是人写的。
• 任何阶段都没有用到 AI 工具。
• 最终文本与中间草稿逐行一致。

版本历史的价值不在于它能否定 AI 的介入。它不能。价值在于它显示文件有一段「随时间被写出来」的历史。一次性粘贴进来的文本块没有历史。写出来的论文有。这个区分是 AI 分看不到的，因为分数只看最终文本。

如果你是在 Word 或 Google Docs 里写的，在谈话前导出版本历史。如果是 Overleaf，页面历史起同样的作用。截下带日期可见的修订列表，沿时间线挑三四个版本记下每个改了什么，如果你用过跟踪更改就留一份标记还可见的副本。带标记的那份才是能显示编辑过程的。

在草稿存在之前，还有别的东西。阅读笔记。大纲。批注过的 PDF。你自己标注过的参考文献列表。数据库里的检索历史。这些是研究的残留物，不是生成的残留物。它们的日期画出了一条不像单次文本输出的路径。

该带的：

• 你手头最早的草稿，哪怕很粗糙。 粗糙的草稿是写作过程的证据。它的日期是文件在最终版本之前就存在过的证据。
• 你写论文过程中做的笔记、大纲、或标注过的 PDF。 如果你在文献里高亮过段落、写过边注，那些标记是你写作之前就介入了材料的证据。
• 你格式化之前的工作版参考文献列表。 一份随着你几周里找到文献而逐步长出来的参考列表，跟一份一次性生成的参考列表长得不一样。

这些都不是检测结果。这些都不产出一个数字。它们做的是把写作放进一个有时间线的环境里，而那条时间线从一个「之前」开始，到一个「之后」结束。生成的论文没有之前。

第三层是存在于文档之外的写作过程记录。

• 跟导师或任何给过反馈的人的邮件往来。 如果你在某个日期发过一份草稿并收到了意见，那次交换在时间线上锚定了一个点。它也显示文件在产出的过程中被另一个人看过。
• 同伴评审记录或写作中心的面访记录。 如果你带草稿去过写作辅导或与同学互改过，那些面访有日期，有时有笔记。它们是写作走过了一个社会过程的证据，而大多数论文确实是这么写出来的。
• 任何通向这篇论文的前置作业。 如果这篇论文是从一份开题报告、一份注释书目、或一份你单独提交过的方法论部分长出来的，那些更早的提交是同一条写作轨迹的一部分。

这一层做的是把文件和其他人、其他日期连起来。一份孤零零的文件，与任何先前互动都没有联系，更容易被质疑。一份坐落在一串邮件、辅导记录、更早提交里的文件，更难与产出它的人分开。

第四层是你解释自己文本为什么长这样的能力。这里是 Turnitin 自己关于假阳性的指引变得相关的地方。

AI 写作检测能力 FAQ 描述了容易产生假阳性的文本特征：

「Sometimes false positives (incorrectly flagging human-written text as AI-generated), can include content without a lot of structural variation, text that literally repeats itself, or text that has been paraphrased without developing new ideas.」（有时假阳性（错误地把人类写作标为 AI 生成），可能包括结构变化不多的内容、字面重复的文本、或只改写而未产生新想法的文本。）

下一句是你在你的处境里需要的那句：

「If our indicator shows a higher amount of AI writing in such text, we advise you to take that into consideration when looking at the percentage indicated.」（如果我们的指标显示这类文本中有较多 AI 写作，我们建议您在查看所指百分比时将此考虑在内。）

读一下它覆盖的是什么。结构变化不多的内容。字面重复的文本。只改写而未产生新想法的文本。这几条描述了学术写作的很大一部分。文献综述做的是总结和综合，本质上就是改写。方法论部分描述的是标准流程，语言本来就该是重复的，因为流程就是一样的。引言和结论通常在设计上就是通用的，因为它们框住的是中间那些具体的工作。

如果你被标的部分在那片地界里，造工具的公司在告诉读分数的那个人：正是因为这个原因，要把它打折。不是你说的。是公司说的。你要做的是识别你被标的哪些部分符合那些特征，并说出来。「方法论部分描述的是一个标准流程，语言重复是因为流程就是一样的。」这不是借口，这是与 Turnitin 自己列出的特征的直接对应。

还有一组话应该出现在那间屋子里，没有一句是你的。

AI 写作报告使用指南 写着：

「Our AI writing detection model may not always be accurate (it may misidentify human-written, AI-generated, and AI-paraphrased text), so it should not be used as the sole basis for adverse actions against a student.」（我们的 AI 写作检测模型可能并不总是准确的，它可能误判人类写作、AI 生成和 AI 改写的文本，因此不应作为对学生采取不利行动的唯一依据。）

紧跟在后面的那句话每次被引用时都会被丢掉：

「It takes further scrutiny and human judgment in conjunction with an organization's application of its specific academic policies to determine whether academic misconduct has occurred.」（需要进一步的审查和人的判断，并结合机构适用其具体学术政策，才能认定是否发生了学术不端。）

两句连起来读。第一句说不要只凭这个数字。第二句说应该怎么办：进一步审查、人的判断、以及机构自己的政策。这是造工具的公司在告诉拿着数字的人：下结论之前还有事要做。

另一页标题叫 How should I review the AI Writing report?，换了个说法：

「It is not meant to provide definitive answers in isolation. More important than any tool is the educator who sees the score and makes decisions balancing this information with their personal knowledge of their students, their work, and institutional policy.」（它不是为了孤立地给出确定性答案。比任何工具都重要的是看到分数的教育者，他们结合对自己学生及其作业的个人了解以及机构政策来做决定。）

下一句补完了它：

「When educators look at the AI writing score and utilize it as a single data point rather than a definitive response, then it is being used as intended.」（当教育者把 AI 写作分数作为一个单一数据点而非确定性回答来看待时，它才被以设计初衷的方式使用。）

这是造工具的公司把自己的分数叫做 a single data point（一个单一数据点）。不是定论。不是确定性回答。你正在构建的证据链做的就是「给那一个 data point 配上其它 data point」这件事，而这正是官方自己定义的正确用法。

这些话出现在三份 Turnitin 帮助文档里。它们不是学生的辩词，是造工具的人对自己数字含义画的边界。

Turnitin 的 FAQ 写了它的准确率目标：

「We strive to maximize the effectiveness of our detector while keeping our false positive rate - incorrectly identifying fully human-written text as AI-generated - under 1% for documents with over 20% of AI writing.」（我们努力最大化检测器的有效性，同时对 AI 写作占比超过 20% 的文档，将假阳性率（即错误地将完全人类写作的文本标为 AI 生成）保持在 1% 以下。）

下一句重述了它：

「In other words, we might flag a human-written document as AI-written for one out of every 100 fully-human written documents.」（换句话说，每 100 篇完全人类写作的文档中，我们可能将一篇误标为 AI 写作。）

注意那个限定。低于 1% 的目标只适用于 AI 写作占比超过 20% 的文档。那是指标显示真实数字和高亮的区间。在 20% 以下，当前的显示规则用星号替代了数字。所以假阳性保证覆盖的是工具给出确切数字的区间，不包括星号区间。

同一页解释了它的取舍：

「In order to maintain this low rate of 1% for false positives, there is a chance that we might miss some AI written text in a document. We're comfortable with that since we do not want to incorrectly highlight human-written text as AI-written. For example, if we identify that 50% of a document is likely written by an AI tool, it could contain as much as 65% AI writing.」（为了维持 1% 的低假阳性率，我们有可能漏掉文档中的一些 AI 写作文本。我们对此感到可以接受，因为我们不想错误地将人类写作标为 AI 写作。例如，如果我们识别出一份文档有 50% 可能由 AI 工具写作，它实际可能包含高达 65% 的 AI 写作。）

读这个的方向。模型被调成偏向避免假阳性，代价是少报。高分是模型在一种偏向谨慎的调参下仍然决定做出的一次断言。低分既与「什么都没发生」一致，也与「发生了但模型没抓到」一致。哪个方向都不能定谁写了这份文件。关于 20% 意味着什么、门槛坐在哪里，我们在20% 的 AI 率算高吗里写过。

在你解释分数的任何部分之前，你需要先看到报告。Turnitin 的 FAQ 写着：

「Please note, only instructors and administrators are able to see the indicator.」（请注意，只有教师和管理员能看到该指标。）

同一页还有一句：

「The AI writing detection indicator and report are not visible to students.」（AI 写作检测指标和报告对学生不可见。）

听起来是绝对的。下一句把它改了：

「However, with the PDF download feature, instructors can download and share the AI report with students.」（但是，通过 PDF 下载功能，教师可以下载并与学生分享 AI 报告。）

如果没有人给过你报告，去要 PDF。不是百分比的截图。是完整报告。因为完整报告告诉你高亮落在哪儿、分析了多少词、那个分数是一个真实的数字还是一个星号、报告是什么时候生成的。这些全是你解释任何东西之前需要知道的信息。

一张数字的截图告诉你一件事。一份报告的 PDF 告诉你那个数字到底是不是一个数字。这个区分比人们以为的要紧得多，我们在怎么读一份 Turnitin AI 写作报告里走过那四种指标状态。

不需要幻灯片。需要一页画着时间线的纸和一份简短的清单，把每个被标的部分和你的解释配对。

1. 画一条横线。 左端标最早草稿的日期，右端标提交日期。
2. 把版本历史的日期放上去。 不是每个版本。五六个就够了。那些有改动的。
3. 把导师邮件、同伴评审、写作中心的面访放在同一条线上。 这些把版本历史锚定到文件外部发生过的事件上。
4. 把 Turnitin 报告的生成日期放上去。 这是分数被产出的日期，不是你提交的日期。这两个有时不一样。
5. 在线下面，列出 AI 报告里每个被高亮的部分和你的解释。 「方法论部分，标准流程，重复是设计使然。」「文献综述，综合三篇文献，结构变化少是因为综合本来就是这个样子。」这些直接对应到 Turnitin 自己列出的假阳性特征。
6. 带上那三段 Turnitin 原文。 打印出来，附上 URL。G1 的 sole-basis 那句和它的下一句。G5 的 single data point 那句和它的下一句。G2 的假阳性特征那句和它的下一句。这些不是你说的话，是造工具的人说的。

那张纸做两件事。它给审查者一个除了分数以外可以看的东西，也说明你来是为了参加一次复核，不是来做一个否认。

不要声称证据链能否定 AI 的介入。 它不能。版本历史显示文件被随时间编辑过。前置材料显示研究发生过。过程记录显示有别人参与过。这些都不是反向检测结果。声称它们显示了更多的东西，等于给对方递一个现成的反驳，并削弱你带的其余一切。

不要带另一个工具的分数来当辩护。 把论文跑过另一个 AI 检测器、得到「0% AI」证明不了任何事，而造 Turnitin 的公司已经明说不应以任何分数为唯一依据。带一个不同的分数去打一个分数，用的是造工具的人告诉审查者不要用的同一种逻辑。

不要把 Turnitin 的话往大里说。 Sole-basis 那句说分数不应是唯一依据，没说分数是错的。Single-data-point 那句说分数是一个输入，没说分数毫无意义。把它们当作它们本身来呈现：造工具的人对自己数字该怎么用的边界。让审查者自己得出结论。

HumanPen 是一个文档改写工具。我们不会告诉你把论文跑一遍改写器就能让 AI 分消失，因为我们不对未来的分数做声称。我们可以说的是这个工具做什么：你把文档连同它的 AI 写作报告传上来，只有报告标出的片段会被改写，其余部分原样保留。输出在成为任何最终结果之前由你复核。

如果你想带着原文档和证据链进那间办公室，让证据自己说话，这是一条路。如果你想提前把标出的部分改一改，那是另一条路。两条都正当。谈话在先。

我能证明自己没用 AI 吗？ 不能。没有任何工具能对写作过程证明一个否命题。你能做的是构建一条证据链，让「我写的」成为比「生成的」更简单的解释。版本历史、前置材料、过程记录、以及你对自己文本为什么长这样的解释。合在一起，它们给审查者一个除了分数以外可以看的东西。

我没有版本历史怎么办？ 你失去了一项最强的时间线证据，但不是什么都没了。早期草稿的文件修改日期、发给导师的邮件附件、云同步的备份文件夹都带时间戳。不如版本历史干净，但讲的是同一个故事。

导师只给我发了百分比的截图，我该要什么？ 要 AI 写作报告的完整 PDF。Turnitin 的 FAQ 说学生看不到指标，但也说教师可以通过 PDF 下载功能把报告分享给学生。去要 PDF，不是截图。报告告诉你高亮落在哪儿、分析了多少词、那个分数是一个真实的数字还是一个星号。

被标的都是文献综述部分，这要紧吗？ 要紧。Turnitin 的 FAQ 把「结构变化不多的内容」和「只改写而未产生新想法的文本」列为假阳性易发特征。文献综述做的是综合和总结，两条都符合。FAQ 的下一句是：「If our indicator shows a higher amount of AI writing in such text, we advise you to take that into consideration when looking at the percentage indicated.」（如果我们的指标显示这类文本中有较多 AI 写作，我们建议您在查看所指百分比时将此考虑在内。）这是公司在告诉审查者：正是因为这个原因，要把它打折。

我能把 Turnitin 帮助页上的原文带去谈话吗？ 能。关于分数不应作为唯一依据、关于它是 a single data point、关于假阳性特征的那几段话，发表在 Turnitin 的帮助文档里。它们是造工具的人的话，不是你的。打印出来附上 URL，比转述有效得多。