Turnitin AI 写作报告和相似度报告有什么区别？两种分数不要混着看

Turnitin 相似度报告（Similarity Report）查找提交内容中与其数据库材料相匹配的措辞。AI 写作报告（AI Writing Report）则用分类模型估算：提交内容里的合格散文，有多少可能由 AI 生成——其中也包含模型认为被 AI 改写工具或 bypasser 进一步改动过的那部分。前一份报告的计算结果不会喂给后一份，反过来也一样。

大家会混淆很正常。两份报告属于同一次提交流程，有些 Turnitin 界面还会把 AI 指标放在相似度报告旁边。新版界面通过 AI Writing 标签页打开完整报告，经典界面则可能把指标放在右侧工具栏。但它们靠得近只是为了方便跳转，不代表共用算法。Turnitin 的官方 AI 报告说明明确写明，AI 百分比与相似度分数不同，且互相独立。

相似匹配与 AI 分类还是两种完全不同的证据。相似度匹配会指向另一份材料——网页、出版物或以前提交的学生作业——读者可以直接对照措辞与引用。AI 高亮只指向一个模型分类，不会告诉你来源、使用了哪个模型、提示词是谁写的，也观察不到实际写作过程。

相似度问的是："这段措辞还出现在哪里？"AI 检测问的是："这部分合格散文是否接近模型学到的 AI 文本类型？"两者都不能单独回答："这名学生是否构成学术不端？"

区别会直接改变处理方式。看到来源匹配，应当去看原始来源、引号和引用；看到 AI 高亮，应当连同上下文、作者草稿与课程 AI 政策一起看。把两个数字都笼统叫成"问题率"，只会把读者送往错误的证据。

最不容易读错的方法，是按它们回答的问题、计算分母和下一步行动逐项比较。下表采用 Turnitin 当前的产品术语；具体入口和页面布局仍可能随版本、许可证而不同。

最关键的技术差别是分母。Turnitin 把相似度分数定义为提交文本中与其他来源匹配的比例；AI 百分比只在合格散文上计算。一篇含有大量表格、代码、公式、简答或注释书目的文章，AI 计算分母可能比肉眼看到的篇幅小得多。怎么读 Turnitin AI 写作报告已经详细解释过分母和星号，这里不再整篇重复。

高亮的含义同样重要。在相似度报告里，点开匹配应该能带你走向某个来源与重合措辞；在 AI 报告里，高亮代表的是分类类别，不是来源链接。因此，看到一句话被 AI 高亮就说它"抄自 ChatGPT"，逻辑上不成立：这份报告根本没有进行能建立这种来源关系的比较。这里的类目原本有两种。2026 年 8 月 4 日 Turnitin 取消了这个区分，把被 AI 转述过的那部分收进单一的蓝色 AI-generated 类目，紫色从此不再出现。旧报告上两种颜色都还在，除非把文件再交一次。

比较报告时，还要记录日期与设置。包含引文和参考文献的相似度报告，不能直接与排除了这些部分的报告横比。AI 报告在模型更新后重新生成，也可能与旧版不同。解释两张截图为什么不一样之前，先记下文件、报告日期、界面或模型更新提示，以及启用的排除项。

也不要根据别人的截图推断自己一定能看到什么。学生权限取决于学校采用的 Turnitin 产品、许可证和作业设置。若一个决定引用了你无法打开的报告，应索要作出决定时使用的完整报告与设置，而不是只接受邮件里抄过来的一个百分比。

两份报告彼此独立，所以四种高低组合都不矛盾。这里的"高"与"低"只是方便描述，不代表某条通用红线；Turnitin 没有给所有学校设定统一的学术不端阈值，不同机构的政策也可能不同。

• 相似度较高、AI 较低。 一篇由人独立撰写的文献综述，可能包含大量正确引文、标准定义、作业模板，或者曾作为草稿提交过。这些都会制造数据库匹配，却不会自动让散文被分类为 AI。此时应复核主要匹配及其归属，不要为了移动百分比而改写本来就合规的直接引文。
• 相似度较低、AI 较高。 新生成的措辞未必与任何已收录来源重合，因此来源匹配很少，AI 分类器却可能标记部分合格散文。低相似度无法反驳 AI 结果，正如 AI 结果也不能证明作者身份。需要回到草稿、允许使用的工具与高亮上下文。
• 相似度较高、AI 也较高。 同一篇文档可以一边包含大量引文或复用材料，一边有其他段落被分类器标记；也可能是模板、长参考文献或旧稿匹配与 AI 分类同时存在。必须分别调查，不能用一个百分比解释另一个。
• 相似度较低、AI 也较低。 这只表示两套系统按各自规则都没有发现太多，不是对"原创"或"人类撰写"的认证。来源可能未被收录，关键匹配在长文里占比很小，内容可能被过滤或不属于合格散文，分类器本身也会漏判。

不要把两项分数相加、相减或求平均。20% 相似度加 20% AI，不等于存在 40% 的同一种问题；两者分母不同，描述的事件也不同。

所以，只看封面颜色作红绿灯式判断很不可靠。真正有用的单位不是"那个分数"，而是具体段落与它对应的问题：匹配了哪个来源？重合内容有没有加引号？哪些文本进入 AI 计算？是否保留了起草过程？回答这些问题后，数字才是一条进入证据的路径，而不是证据的替代品。

Turnitin 自己的相似度分数说明非常明确：系统检查的是与数据库材料的相似性，不负责判定抄袭。其对比范围包括当前和存档网页、过往学生提交，以及期刊与其他出版物。所以，一个匹配只是需要打开查看的位置，不是学术不端标签。

高分完全可能合理。正确加引号并标注来源的文字仍然会匹配；参考文献里的标题原本就出现在别处；方法部分可能需要复述固定规程；存入学生论文库的早期草稿会与之后的终稿匹配；引文密集的质性研究，也很可能比原创数学证明包含更多重合文字。

低分也可能藏着严重问题。长篇论文里整段未注明出处的照搬，放到全文中也许只占很小比例；拼贴式改写可能把近似措辞分散到多个来源；冷门、私有或刚发表的材料也未必进入对比库。总百分比无法告诉你最关键那处匹配有多严重。

可以按下面的顺序读一份相似度报告：

• 先看报告设置。 记下是否排除了引文、参考文献、文内引用、作业模板、小匹配或某类数据库。只有这些选择实质相同时，百分比才适合横向比较。
• 从段落开始，不要从颜色档位开始。 先打开占比最大的来源，再扫描占比小但性质重要的匹配。一个 2% 的未标注段落，可能比占 15% 的参考文献更值得处理。
• 判断每处重要重合为什么出现。 它是直接引文、已经引用但措辞过近的转述、通用术语、必用作业说明、作者旧稿，还是没有归属的借用？原因不同，处理方法也不同。
• 修复学术问题，不要修饰仪表盘。 补上缺失引用，把过近措辞改成引文，从理解出发重新转述，或者说明合理复用。删掉引用、把照搬内容扔进改写器，只是在隐藏表面证据，归属问题仍然存在。

Turnitin 的过滤与排除说明列出了可排除的内容：引文、参考文献、文内引用、小匹配、模板和指定来源。这些控制项只会细化计算或视图，不会修改提交文件。排除项可以恢复，因此更可靠的做法是披露设置，而不是把过滤后的数字说成唯一结果。

也不要期待排除多少，分数就一定下降多少。同一段文字可能同时匹配多个重叠来源；排除一个来源后，系统可能只是换另一个来源显示。Turnitin 也提醒，应用过滤和排除后，总百分比可能变化，也可能不变。这再次说明，应保留设置，并从实际段落出发解释。

如果问题是来源归属，就根据匹配结果修正引文或引用。降 AI 不是引用问题的解法。HumanPen 的引用格式校正可以把已有引文和参考文献改成指定格式，但不能为一个没有证据支持的论点凭空创造来源。

上传或修改任何内容之前，先确认文件类型，不要只认截图里的颜色和百分比。查看报告标题及页面组织：相似度报告围绕匹配与来源展开；AI 写作报告围绕 AI 指标、合格文本与 AI 分类高亮展开。Turnitin 当前的报告入口说明展示了新版与经典界面分别在哪里打开独立的 AI 报告。

• 如果手上是相似度报告：查看来源列表、启用的过滤条件和真正重要的重合内容，在原文中修正缺失归属与引用格式。不要把这份 PDF 上传到 HumanPen 的 Turnitin 报告处理流程；它没有该流程所需的 AI 高亮。
• 如果手上是 AI 写作报告：连同上下文阅读高亮，并与草稿、笔记和允许使用的 AI 工具对照。如果规则允许修改，且没有正在进行的复核程序，完整报告可以把处理范围限制在具体段落，而不是把整篇重写。
• 如果只有一个百分比或截图：索要作出决定时使用的完整报告、报告日期与相关设置。脱离分母、段落和来源详情的数字，不足以诊断问题。
• 如果两份报告都有：在笔记中把两条线分开。根据相似度报告处理来源归属，根据 AI 报告复核模型分类，并记录每一项修改究竟回应了哪一条发现。

如果学术诚信调查或申诉已经开始，务必保留原提交文件和原始报告，不要覆盖；只有在适用程序允许后，才在副本上工作。版本历史、提纲、来源笔记和反馈能显示文本怎样逐步形成。为了追逐一个新数字而改掉或丢失这些材料，可能毁掉对你最有帮助的证据。

HumanPen 会在 AI 报告上传流程中直接拒绝相似度报告 PDF，这是有意为之。产品需要 AI 写作报告来定位被选中复核的段落；同时上传原文与兼容的 AI 报告后，流程会把高亮映射回源文档，并把改写限制在这些位置。它不会把相似度分数误读成"把所有来源匹配都换一种说法"的指令。

即便范围更精准，也不代表能保证未来分数。检测模型、版本和学校设置都会变化，人类文字也会被误判。更站得住脚的目标是：只做规则允许、自己理解的修改，保留原意与引用，并继续对论证负责，而不是把任一份报告变成"保证过关"的承诺。

同一次提交，两种诊断工具，两条证据线：相似度看来源与归属；AI 分类看段落语境、写作过程与政策。先走对那条线。