一半以上的托福作文被判成「AI 写的」：AI 检测器已进1,400所北美高校，而它最容易误伤的正是英语非母语的学生

一个61.3%的数字

2023年，斯坦福大学一个研究团队做了一次很简单的测试。他们找来91篇托福作文——来自一个中文论坛，作者是母语非英语的中国学生——外加88篇美国八年级学生的作文，然后把这179篇统统喂给当时七款常用的 AI 检测器。

结果是这样的：美国八年级学生的作文，检测器判得几乎全对；而那91篇托福作文，平均有61.3%被判成「AI 生成」。更刺眼的是另外两个数字——19.8%的托福作文被七款检测器一致判定为 AI 写的；而只要有任意一款判它是 AI，命中率高达97.8%。

这份研究发表在2023年7月的《Patterns》期刊上，作者是 Weixin Liang、James Zou 等人。标题没有留任何回旋余地：《GPT 检测器对非英语母语写作者存在偏见》。

问题出在一个叫「困惑度」（perplexity）的指标上。多数早期检测器靠它判断：把一段文字喂给语言模型，看模型预测下一个词时有多「意外」。AI 写的东西往往用词最稳妥、句式最可预测，困惑度低。而母语非英语的人写英文，词汇量与句法变化本来就受限，困惑度同样低——于是两者在机器眼里长得很像。

研究团队还做了一个反向实验来验证这个机制：他们用 ChatGPT 把那些托福作文的词汇「升级」一遍，模仿母语者的用词，误判率立刻从61.3%掉到11.6%；反过来，把美国八年级学生作文的词汇简化，误判率显著上升。

同一篇研究里还有另一个发现。他们让 ChatGPT 写了一批 Common App 大学申请文书，检测器起初认得出来；但只要追加一句提示词让它自我润色——「Elevate the provided text by employing literary language」（用文学性的语言提升这段文字）——检测率就掉到接近零。

换句话说，三年前那套检测器同时做错了两件事：抓不住真作弊的，却抓住了一大批英语写得不够漂亮的人。

三年后，检测器变强了，大学更分裂了

这个故事本来可以停在这里。但2026年的现实是：检测器确实变准了。

眼下高校里用得最多的是 Turnitin——它把 AI 检测做成查重服务的附加功能，学生一交作业就自动扫描。该公司首席产品官 Annie Chechitelli 在接受 The Atlantic 采访时说，北美已有约1,400所高校购买了这项服务；过去一个学年，全美大学的学生提交物里，接近一半被检出含有至少一部分 AI 写作痕迹。

Turnitin 自称假阳性率（把人写的判成 AI）低于1%，假阴性率（把 AI 写的放过去）约15%——这个偏向是故意调的，宁可放过也不愿冤枉。

但1%到底意味着什么？Vanderbilt University 在2023年关掉 Turnitin 的 AI 检测功能时算过一笔账：该校一年约有75,000份论文过检，1%就是最多750份被误标。

另一款叫 Pangram 的工具眼下被视为更准的那个。它声称内部测试中的假阳性率是两万五千分之一；芝加哥大学研究者去年的一份工作论文也发现，对较长的人类文本，Pangram 几乎不会判错，只是对短片段偶有失误。

于是出现了一个奇怪的局面：工具在变好，学校之间的分歧却在变大。

上个月，麻省理工学院一个工作组发布了关于 AI 与教育的报告，明确建议不要依赖 AI 检测器，理由是它会在师生之间制造互不信任的氛围。报告同时提出了一个更重的说法：AI 带来的真正风险是「认知投降」（cognitive surrender）——学生把思考这件事整个外包给机器。应对它需要的不是打补丁，而是师生之间一份全新的「社会契约」。

印第安纳大学 Kelley 商学院走得更远，在其 AI 使用手册里直接禁止教授使用 AI 检测器，理由是学生将来在职场上本来就被期待会用 AI；学院给教授的建议是重新设计作业，让作业考察过程与推理，而不是想办法「抓人」。本月，哈佛的一位院长也给学生发信，主张学院退出 AI 检测这门生意，转向接受甚至鼓励学生在写作课上使用 AI。

也有反方。威斯康星大学麦迪逊分校的微生物学教授 Timothy Paustian 说，他与本校的 ESL 部门合作，测过 Pangram 等三款检测器的偏见问题，没有发现。Turnitin 与 Pangram 两家公司也都表示，内部测试显示它们不存在语言背景上的偏差。

有一点需要说清楚：2023年那份斯坦福研究测的七款检测器里并不包含 Turnitin，而 Pangram 当时还不存在。一些学校至今拒用检测器的依据，确实有一部分停留在三年前的证据上。这场争论里，两边各自都有没被完全反驳的部分。

最荒诞的一条：老老实实润色语法的人更危险

真正该让英语非母语的学生警觉的，是圣母大学（University of Notre Dame）计算机科学研究者上个月发表的一篇论文。

他们发现，即便是 Pangram 这类准确度很高的检测器，也能被所谓的「humanizer」工具轻易骗过——这类工具专门往 AI 文本里掺进语法瑕疵与风格怪癖，让它读起来更像人写的。（Pangram 方面表示，该研究测的是旧版本，最新模型对这类工具更有抵抗力；但新的 humanizer 一直在出现。）

把这个发现和前面的偏见问题放在一起，结论有点让人哭笑不得：一个自己动手写完论文、然后用 Grammarly 把语法和用词理顺的非母语学生，出事的机率，可能比一个让 ChatGPT 全程代笔、再把成品丢进 humanizer 洗一遍的学生更高。

而且这是一场没有终点的军备竞赛。Pangram 对学生也开放，理论上学生可以反复微调自己的 AI 作文，直到检测结果显示「100%人类」为止。相比之下，Turnitin 的检测器不对外开放，比较难这样试错。

一个更深的悖论，早在2023年那篇研究里就被点出来了：如果非母语写作者因为「写得不够花哨」而持续被误判，他们最理性的应对，反而是更多地使用 AI 去润色自己的英文，好让自己听起来更像母语者。检测器于是把它本该阻止的行为，变成了被误伤者的自保手段。

对华人家庭意味着什么

这件事离橙县的家庭并不远。孩子在 UCI 或加州的社区学院上通识写作课、在高中交 essay、申请季写 Common App 文书——这三个场景全都在检测器的覆盖范围里。而且越是刚来美国不久、英文还在追赶的孩子，被误伤的机率越高。这不是运气问题，是那套算法的工作原理决定的。

有几件事值得现在就做。

第一，留下过程证据。 这是目前最有效、成本也最低的自保方式。用 Google Docs 或 Word 在线版写作业，系统会自动保存版本历史；不要在别处写完再整段粘贴进去——一篇文章如果只有「一次粘贴、零次修改」的记录，申诉时很难解释。手写的提纲、图书馆借阅记录、与老师的邮件往来，也都算证据。

第二，弄清楚每门课对 AI 工具的具体规定。 不同学校、不同教授、甚至同一所学校的不同学院，规定可以完全相反——印第安纳大学 Kelley 商学院禁止教授使用检测器，而另一些学校的教授正把检测结果当成处分依据。语法检查工具算不算「AI 辅助」，各家课程大纲（syllabus）的写法也不一致。开学第一周把这一条看清楚，比事后争辩有用得多。

第三，绝对不要碰 humanizer。 用它改写自己的文章，性质上已经从「被误伤」变成「主动规避检测」，一旦被查出来，几乎没有申诉空间。

第四，被指控时不要先认。 检测结果不等于证据——这一点连做检测器的公司自己都承认：Turnitin 方面的说法是，检测结果是师生之间一场对话的开始，而不是认定违规的硬证据。学校的学术诚信程序通常允许学生陈述、提交材料、申请复核，这些环节该用就用。

最后一条对留学生家庭格外重要：学术不端的处分不只影响 GPA 和转学申请，对持 F-1 签证的学生，严重的处分还可能牵连身份。也就是说，误伤的代价在不同身份的学生身上并不对等——而这恰恰是那套算法完全不会纳入考量的变量。