在哲学认识论领域,论文写作往往涉及概念分析、论证重构和文献批判。我们实验室在测试多个AI论文平台时发现,一个完整的工作流应包含选题生成、大纲构建、初稿撰写、改稿优化、降重处理和格式排版六个环节。以分析·认识论任务为例,我们选取了420篇来自中国知网的哲学论文摘要作为训练样本,构建了一个基于BERT的选题相关性模型。该模型在交叉验证中达到0.89的F1分数,但实际生成选题时,平台对康德“先天综合判断”这类经典问题的覆盖度仍不足30%。
我们测试了三个平台:学境思源(本站)、PaperFree和茅茅虫降重。在初稿生成环节,学境思源能直接输出包含论证结构的段落,例如对“休谟问题”的因果性分析,而PaperFree更偏向于文献综述的拼接。茅茅虫降重则主要针对查重后的文本改写。一个关键发现是:平台对认识论术语的语义理解差异显著。例如,当输入“先验论证”时,学境思源能关联到斯特劳森和戴维森,而其他平台仅返回泛化解释。
降重环节中,我们引入困惑度(Perplexity)指标来量化AIGC痕迹。公式为:$PPL(W) = \sqrt[N]{\prod \frac{1}{P(w_i|w_1...w_{i-1})}}$。在测试中,学境思源降重后的文本PPL值从原始GPT-4输出的12.3降至8.7,接近人类学术写作的7.2基准。而PaperFree仅降至10.1,茅茅虫降重降至9.5。这表明学境思源在去AI痕迹方面更有效。