Epoch AI最新研究显示,主流AI文本检测器能够几乎完美识别普通AI生成内容,但当大语言模型刻意模仿特定作者写作风格时,检测准确率明显下降,科学写作成为最难识别的场景。
研究团队测试了Pangram(3.3.2)、GPTZero(2026-05-11-base)和Originality.ai(Turbo3.0.2)三款主流AI文本检测器,并构建包含495篇人类原创文本的测试集,覆盖博客、小说和科学写作三类内容,所有样本均创作于ChatGPT于2022年11月发布之前,以避免训练数据污染。

测试结果显示,对于普通AI生成文本,三款检测器漏检率最高仅0.7%;在人类文本识别方面,Pangram和GPTZero未出现误报,而Originality.ai误将19篇人类文本判定为AI生成,误报率为3.8%。
研究进一步让Claude Opus4.8、GPT-5.5和Gemini3.1Pro学习作者提供的5篇真实作品,并按相同文风生成新内容。在297篇风格模仿文本中,平均约13%未被检测器识别,其中Pangram漏检率为10%,GPTZero为11%,Originality.ai达到18%。
科学写作成为检测器表现最弱的领域。Pangram、GPTZero和Originality.ai对学术风格AI文本的漏检率分别达到25%、24%和29%。个别模型组合表现更差,例如Pangram漏检了48%由Gemini生成的学术文本,Originality.ai则漏检了39%由GPT-5.5生成的学术内容。
尽管三款检测器采用神经网络、文本可预测性分析和统计模式识别等不同技术路线,但均暴露出相似短板。研究表明,随着大模型越来越擅长模拟人类写作风格,现有AI文本检测技术在教育、科研等依赖学术写作真实性的场景中,仍面临较大的识别挑战。
AI文本检测器为什么会漏检模仿文风的内容?
因为检测器更擅长识别通用生成痕迹,而当模型学习特定作者风格后,文本的可预测性和统计特征更接近人类写作,导致识别难度上升。
哪款AI文本检测器在这项研究里表现最好?
对普通AI文本,三款工具都接近满分;在人类文本误报上,Pangram和GPTZero未误报,Originality.ai误报19篇。面对风格模仿文本时,Pangram漏检率10%,略优于GPTZero的11%和Originality.ai的18%。
学术写作为什么最容易被AI检测器漏掉?
研究显示学术文本的语言结构更规范、表达更克制,和高质量AI生成内容更接近,因此三款检测器在该场景下漏检率分别达到25%、24%和29%,是最弱环节。
为什么模仿人类文风会让检测失效?
检测器通常依赖统计特征、重复模式和困惑度差异;当模型刻意模仿人类写作时,这些特征会被抹平。尤其在学术文本里,术语密度和句式规范本就接近人类,误判和漏检都会上升。
内容审核该怎么替代单一检测器?
应采用多信号审核:来源溯源、写作过程记录、版本比对和人工抽检一起上。对高风险场景,优先看证据链而不是“像不像AI”,这样比单纯跑检测器更稳。
