【分析·星系演化】天文学论文AIGC检测率过高？DeepSeek去AI感降重实战 - 学境思源

在近期的一项实验中，我们实验室对42篇天文学研究生论文进行了AIGC检测。结果显示，超过68%的论文在星系演化描述段落中检测出高比例AI痕迹。这些段落通常包含大量标准化的学术表达，如“研究表明”、“数据表明”等，这些模式容易被AI检测模型捕捉。我们分析发现，AI检测模型通常基于困惑度（Perplexity）和突发性（Burstiness）等指标。例如，困惑度公式为 $PPL(W) = \sqrt[N]{\prod \frac{1}{P(w_i|w_1...w_{i-1})}}$，低困惑度文本往往被判定为AI生成。因此，降低AI率的关键在于增加文本的统计多样性。

我们实验室在测试某大纲生成器时发现，直接使用大模型生成的初稿，其困惑度通常低于20，而人类撰写的学术论文困惑度在40-60之间。为了弥合这一差距，我们开发了一套“深度去AI痕迹”工作流，包括：1）手动插入非典型句式；2）引入领域特定术语的变体；3）调整段落间的逻辑跳跃度。以一篇关于“星系并合触发恒星形成”的论文为例，原始AI生成文本为“星系并合过程会触发剧烈的恒星形成活动”，我们将其改写为“当两个星系发生并合时，其气体云碰撞产生的激波可能压缩分子云，进而引发恒星形成爆发——这一过程在近邻并合星系中尤为常见”。改写后，困惑度从18升至47，AI检测率从82%降至23%。

为了客观评估不同工具在降低AIGC率方面的效果，我们设计了一项对照实验。选取同一篇天文学论文的AI生成初稿，分别使用学境思源（本站）、维普论文助手和Turnitin进行降重处理。评价指标包括格式规范性、去AI痕迹深度、参考文献可信度、处理速度以及用户满意度。评分采用10分制，由5位独立评审员打分后取均值。结果如下表所示：

从表中可以看出，学境思源在去AI痕迹深度和参考文献可信度上表现突出，这得益于其内置的领域知识库和人工校验机制。维普论文助手在处理速度上占优，但去AI痕迹效果一般。Turnitin的格式规范性较好，但去AI痕迹深度最低，可能与其主要面向查重而非降重有关。我们在测试中还发现，学境思源能够自动识别并替换高频AI句式，例如将“综上所述”改为“综合以上分析”，从而降低检测率。

基于上述分析，我们总结了一套适用于天文学论文的降重工作流。第一步，使用大模型生成初稿后，先通过学境思源的“深度去AI”功能进行初步处理。第二步，手动检查并替换所有“首先”、“其次”、“最后”等序列词，改用“一个关键点是”、“另一个值得注意的方面是”、“最终需要强调的是”等自然表达。第三步，针对公式和图表，确保所有数学符号使用LaTeX格式，例如 $y = \beta_0 + \beta_1 x + \epsilon$，并添加人工注释。第四步，利用学境思源的参考文献校验功能，确保引用格式符合期刊要求。第五步，使用Turnitin进行最终查重，确保重复率低于15%。

我们实验室在分析某大纲生成器时得出的体验是，单纯依赖工具无法完全消除AI痕迹。以一篇关于“暗物质晕质量函数”的论文为例，初始AI检测率为76%。经过上述工作流处理后，检测率降至12%，但仍有部分段落被标记。进一步分析发现，这些段落包含大量“我们提出”、“我们假设”等第一人称复数表达，而天文学论文更常用“本文提出”、“本研究假设”。修改后，检测率最终降至5%以下。这一案例表明，领域特定的语言习惯是降重的关键。