同一篇论文重新提交后 AI 分数变了，为什么？

同一篇论文第二次提交时回来一个不同的 AI 百分比，最常见的原因不是你的文本变了，而是检测器变了。Turnitin 持续更新 AI 写作检测模型，每一条发布说明都带着同一句话："This release will not retroactively update previously-generated AI writing reports."（本次发布不会追溯更新已生成的 AI 写作报告。）一份报告是由提交当天生效的模型读出来的。如果一次模型更新恰好落在你两次提交之间，那么两个分数来自不同版本的检测器，而两份报告里没有任何东西告诉你差距里有多少是你的修改、多少是模型变的。

人们倾向于把"Turnitin"想象成一台固定的仪器，永远以同一种方式读文本。发布说明讲的是另一个故事。AI 写作检测模型页面记录了 2025 年 10 月 14 日、2026 年 2 月 12 日和 2026 年 5 月 5 日的更新。每一条都写着：

"This release will not retroactively update previously-generated AI writing reports. To view the AI writing score generated by this update, existing submissions must be resubmitted."

二月和十月的条目还共享一个方向："We have updated our AI writing detection model to improve recall while maintaining a low false positive rate."（我们更新了 AI 写作检测模型，在保持低误报率的同时提高了召回率。）FAQ 补充说，随着模型迭代，"it is likely that our detection capabilities will also change, affecting the AI percentage"（检测能力很可能也会变化，从而影响 AI 百分比）。Turnitin 说得很直白：检测器是一个移动的靶子，钉在某个日期上的分数不是文档的属性，而是文档在那个版本模型下、在那一天被读出来的结果。

FAQ 还记录了一次更大的架构变化："In July 2026, we updated our model architecture to consolidate a multi-model ensemble into a single model."（2026 年 7 月，我们更新了模型架构，将多模型集成合并为单一模型。）FAQ 说这次更新维持了低于 1% 的误报率。我们提到这一点，是因为一个在六月提交、八月重交的学生可能跨过了一道比通常增量更新更大的模型边界。

假设你的第一份报告回来是 28%，你改了几句话，重查变成 42%。你的直觉是问修改出了什么问题。但你应该先问的是：两次提交之间是否有一次发布日期落在了中间？

如果有，这个差距里同时包含你的修改和一次模型变化，两份报告里没有任何东西能把它们分开。十四个点的差距不等于十四个点的修改。它是十四个点的修改加上一个模型，而模型那一半既不是你的功劳也不是你的责任。比两份报告而不是只比两个数字，正是Turnitin 复检后仍有标记：怎样比较两份报告，而不是只盯总分讲的方法。诚实的比较需要写下三件事：第一份报告的日期、第二份报告的日期、这之间有哪些发布说明。Turnitin 全部公布在它的 AI writing detection model 页面 上。

我们提到的发布说明共享一句话："improve recall while maintaining a low false positive rate."（在保持低误报率的同时提高召回率。）召回率是检测器抓到的 AI 写作文本的比例。提高召回率意味着模型被调向抓更多，而非更少。FAQ 解释了由此产生的取舍："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." 以及 "if we identify that 50% of a document is likely written by an AI tool, it could contain as much as 65% AI writing."

方向很重要。一次提高召回率的模型更新可以让一篇完全没改的论文得到更高的 AI 分。这不是 bug，而是模型在做它被更新后要做的事。反过来，一次降低了分数的修改可能并不是修改本身的功劳，而是一次恰好以不同方式读你的文本的模型更新的帮助。没有日期，你分辨不出是哪个。大多数人碰到的版本是改完之后 AI 率反而升上来了。

还有一件让人意外的事：AI 百分比和相似度百分比是分开的。Turnitin 明确写道："The Similarity score and the AI writing detection percentage are completely independent and do not influence each other."（相似度分数与 AI 写作检测百分比完全独立、互不影响。）一个的变化不能预测另一个的变化。如果你的相似度分降了但 AI 分升了，这不是矛盾，而是两个系统在同一份文本里读不同的信号。我们在 AI 写作报告与相似度报告的区别 中更详细地讨论过这个区别。

总结我们讲过的内容：

• 旧报告在模型更新后不会自动重新评分。一个分数是一张快照，不是永久属性。
• 如果一次模型更新落在两次提交之间，两个分数来自不同版本的检测器。
• 近期的更新方向是提高召回率，意味着同一份文本在新模型下可能得到更高的分数。
• AI 百分比和相似度百分比相互独立，不会一起变动。

实际的操作步骤是：在每份报告上记下日期，拿去和发布说明比对，然后再比较两个数字。如果你需要修改被标记的论文，导入你的 Turnitin 报告，只处理被标记的段落。符合条件时可以免费继续降 AI。