Skip to content
Back to search

aigc-risk-audit

SkillWorks with Claude CodeGitHub

审查中文学术文本的 AIGC 检测争议、空泛论证与作者证据。用户提到降 AIGC、知网、学习通、PaperPass、维普检测结果或原创误判复核时使用;可提供本地开源检测器诊断和存证清单,但不预测商业平台分数或承诺达标。

Safety scan

A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.

Checked today
Badge for your README
findsafeskills safety rating

Markdown

[![findsafeskills safety rating](/api/listings/mantonlove--aigc-risk-audit/badge.svg)](/listings/mantonlove--aigc-risk-audit)

HTML

<a href="/listings/mantonlove--aigc-risk-audit"><img src="/api/listings/mantonlove--aigc-risk-audit/badge.svg" alt="findsafeskills safety rating" /></a>

Install

i

What was scanned

The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.

SKILL.md · Manifest · 54 lines
  1. ---
  2. name: aigc-risk-audit
  3. description: 审查中文学术文本的 AIGC 检测争议、空泛论证与作者证据。用户提到降 AIGC、知网、学习通、PaperPass、维普检测结果或原创误判复核时使用;可提供本地开源检测器诊断和存证清单,但不预测商业平台分数或承诺达标。
  4. ---
  5. # AIGC 检测争议与学术写作审查
  6. 先确认用户希望处理的是哪份文本、使用了哪些原始材料、检测报告来自哪里。区分作者原创、AI 辅助润色、AI 据作者素材成文和纯 AI 生成。若目标是把纯 AI 生成稿伪装成原创以规避检测,说明不能协助这种伪装,并转为帮助作者建立自己的论证与草稿。
  7. 本 skill 的可交付结果是:找出缺依据的论断、核查具体信息、保留作者真实表达、清点写作过程证据,并在误判时整理可复核的说明。本地分数只用于定位值得人工查看的片段,不能当作知网、学习通、PaperPass 或维普的预测值。
  8. ## 选择入口
  9. | 需求 | 入口 | 如何解释结果 |
  10. |---|---|---|
  11. | 逐段定位 | `python3 scripts/diagnose.py 论文.txt`;需要全文文风统计时再用 `scripts/style_profile.py` | 启发式写作线索,不是 AIGC 判决。短文本和跨领域文本尤其谨慎;详见 `references/fingerprints.md`。 |
  12. | 本地检测器评分(需另装模型) | `python3 scripts/score_text.py 论文.txt` | 仅是本机开源模型的分数。段落、阈值、分词、训练数据与商业平台没有校准关系;读 `references/platforms.md`。 |
  13. | 具体性核查 | `python3 scripts/anchor.py 论文.txt` | 标出待补的出处、数字或方法;作者须据真实材料确认,脚本不会生成事实。同时报分句缺主语率(按人类摘要分位分档),但该量与 AIGC 无关联,只用于自查行文。 |
  14. | 作者证据清点 | `python3 scripts/evidence.py 材料目录` | 生成本地文件清单和哈希,供版本核对;不能单凭哈希或修改时间证明创作和送检时间。读 `references/appeal.md`。 |
  15. | 可选候选改写 | 不装模型:`python3 scripts/reduce_rules.py 论文.txt --no-score --out 候选稿.txt`(纯规则,无需权重)。有本地检测器时:`python3 scripts/reduce_rules.py 论文.txt --out 候选稿.txt`(逐段打分、不降就回退)。`scripts/reduce_aigc.py` 需另装本地生成模型,且其实测无稳定降分效果 | 将输出当作待审草稿。即便本机分数下降,也须逐句核对数字、引文、否定、因果和结论;不能据此推断商业平台效果。分数下降本身不证明文本更像人写,见 `references/direction-control.md`。 |
  16. 除「本地检测器评分」与「可选候选改写」的打分模式外,其余入口都只用标准库,不加载任何模型;模型只在被调用时于进程内加载,不常驻。`score_text.py` 的默认 `char_weighted` 是本地段落分数的字数加权平均;它另报按本地阈值标记的字数占比。两项都不是平台报告中的“疑似 AIGC 占全文比”。即使字数占比的算式看似相同,本地模型分数、阈值、分段和文本覆盖范围均不同,**不得换算或预测平台百分比**。`--threshold 0.5` 只是本地显示用默认值,不是知网或其他平台的阈值。
  17. ## 证据边界
  18. 已存的 A/B/C/D/E 编辑实验是对 **120 对同题摘要**使用三个开源检测器的本地研究,不是针对商业平台的实验。A 条件从人类版摘要用规则抽取数字和术语,统一附在 AI 文本末尾;它没有验证“作者在适当语境中补充真实论据”的效果。A 在三个检测器的**平均分数变化**为负,但单篇仍有 5/120、12/120、21/120 分数升高。D 是追加通用句的对照,E 是 A+B 的组合;D/E 的历史分数另存,当前 `tests/measure_edits.py` 只重跑 A/B/C。研究设计、原始路径和复现限制见 `references/edit-effects.md`。
  19. 另有一轮 Qwen2.5-1.5B 的 LLM 改写语料观察。它不是 `reduce_aigc.py` 当前候选选择流程的效果验证。不能把某一轮 LLM 改写、A 的规则化尾附操作、作者自己补充证据视为同一种干预,也不能从任何一项推出“降 AI 率”通用规则。
  20. 2026-09-13 的本地历史基线(当时的截断评分版本)发现真实人类摘要也可能被判为 AI。例如 120 篇留出摘要中,`d_hello` 有 16 篇越过本地阈值,文档误判率为 13.33%。这是**多篇文档中被二元标记的比例**,不是某一篇论文被标为疑似的字数比例,不能与学校所说的单篇“10% 线”比较。具体口径见 `references/measured-baseline.md`。
  21. 专利只能证明某项技术方案被披露,不能证明知网现行产品采用了它,也不能推出某种改写必然升分或降分。平台内部模型、切片和阈值未由这些本地实验校准。要理解商业报告,优先核对用户手上的原始报告与学校、期刊的当前规则;公开资料的证据等级见 `references/platforms.md`。
  22. ## 执行流程
  23. 1. **确认作者材料与报告口径。** 问清研究笔记、实验或访谈记录、历史草稿、参考文献及 AI 使用范围。若有平台报告,记录平台、日期、文稿版本、报告字段和院校规则;不要把不同平台百分比直接相减。
  24. 2. **定位内容问题。** 运行诊断脚本或逐段审读,给出位置、短引文、缺的依据以及作者需要核对的材料。句长、连接词和模板句只是写作线索,不能据此断言 AI 写作。跨领域使用 `style_profile.py` 阈值前读 `references/measured-baseline.md` 的标定边界。
  25. 3. **由作者完成实质修订。** 优先核对事实、方法、数据、出处和结论是否相互支持。没有证据的表述应删去、降级或标注为待核查。可选自动候选必须保留原稿、逐句审阅;程序中的确定性检查不能覆盖语义与论证一致性。具体改稿参考 `references/rewrite-rules.md`。
  26. 4. **整理可复核的过程材料。** 用 `evidence.py` 清点版本、笔记、数据和沟通记录;文件修改时间只提示待解释的顺序,哈希只用于核对保存副本是否变化。发生误判时读 `references/appeal.md`,按学校或平台的现行复核流程提交材料。
  27. 5. **交付时分开报告。** 分别写“写作质量问题”“本地检测器观测”“作者材料是否充分”“平台报告与申诉建议”。明确测试过的文本版本和检测器,不能给出商业平台达标保证。
  28. 审查结论应给作者可以核查的具体位置和下一步动作;没有原始材料时,把无法核实的地方留为问题,不补造数字、引文或访谈。不要建议零宽字符、隐藏文本、图片化正文、故意错字、同义词堆砌或回译等对抗处理。
  29. ## 参考材料
  30. - `references/edit-effects.md`:A/B/C/D/E 实验、原始数据与复现边界。需要讨论“哪类编辑有效”时必读。
  31. - `references/measured-baseline.md`:本地人类基线、文档误判率与风格指标标定。需要解释误判率时必读。
  32. - `references/platforms.md`:商业平台公开材料的证据等级与结果口径。涉及知网、学习通、PaperPass、维普时必读。
  33. - `references/platform-methods-research.md`:专利、供应商论文、产品披露与独立实测的逐平台核查;研究检测原理或规划平台验证时必读,不能把专利等同现网算法。
  34. - `references/fingerprints.md`、`references/rewrite-rules.md`:逐段写作审查与可核查的修订建议。
  35. - `references/operator-effects.md`:确定性算子(拆句/删连接词/等义压缩)在真实摘要上的剂量-反应与跨阈率。需要讨论「哪种算子真有效」时必读。
  36. - `references/direction-control.md`:正向/反向词表与随机替换三组对照。**它说明本机分数随扰动下降、不随「更像人写」下降**,任何「降分」结论都要先过这一关。
  37. - `references/appeal.md`:作者过程材料和复核路径。
  38. - `tests/measure_edits.py`:A/B/C 实验入口;D/E 历史分数位置见 `references/edit-effects.md`。
README.md · README · 95 lines
  1. # AIGC risk audit · 中文论文 AIGC 检测争议与写作审查(知网 / 维普 / PaperPass / 学习通)
  2. **简体中文** | [English](README.en.md) | ![tests](https://github.com/mantonlove/AIGC-risk-audit/actions/workflows/tests.yml/badge.svg)
  3. 一套**审计**工具,不是"降 AI 率"改写器。
  4. 搜到这里的问题通常长这样:**知网 AIGC 检测值太高怎么办**、**论文 AI 疑似度 / AI 特征值怎么降**、**AI 检测误判怎么申诉**、**维普 / PaperPass / 学习通 的 AIGC 总体疑似度准不准**、**删除章节标题会不会改变报告分数**。这个仓库处理的是这些问题里**判断与举证**的那一半——改写只占很小一块,而且下面实测过的那几种改写大多不管用。
  5. 它做四件事:判断一处高分为何可疑、指出文里哪些论断缺依据、把作者手上的过程材料整理成可提交的清单、以及在只有公开资料时说明某个平台的字段到底是怎么算的。
  6. **它不预测知网、维普、PaperPass、学习通的百分比,也不承诺达标。** 本地分数只用来决定"哪些段落值得人工看一眼"。
  7. 全部编辑实验的汇总(十二组实测、每组各自失效的地方):**[降 AIGC 率:12 组实测](docs/aigc-rate-evidence.md)**。
  8. ## 快速开始(不需要任何模型)
  9. 只装 Python 标准库即可运行诊断、核查、存证、文风统计与规则改写:
  10. ```bash
  11. git clone https://github.com/mantonlove/AIGC-risk-audit.git
  12. cd AIGC-risk-audit
  13. python3 scripts/diagnose.py 论文.txt # 十项写作风险体检
  14. python3 scripts/anchor.py 论文.txt # 空洞指代、缺依据论断、分句缺主语率
  15. python3 scripts/evidence.py 材料目录 # 五类作者证据清点 + MANIFEST + SHA-256
  16. python3 scripts/style_profile.py 论文.txt # 句长 CV、3-gram 重复、连接词密度等
  17. python3 scripts/reduce_rules.py 论文.txt --no-score --out 候选稿.txt
  18. python3 tests/regression.py # 70/70
  19. ```
  20. `reduce_rules.py --no-score` 按 split→删连接词→词表压缩的顺序各施加一次,改全部正文段落,**不择优、不回退**——它不知道改完是好是坏,必须作者逐段通读。
  21. ## 需要本地模型的两个入口
  22. `score_text.py` 与 `reduce_rules.py` 的打分模式需要三个开源检测器权重(约 1.2 GB)与本机推理环境:
  23. | 检测器 | 仓库 |
  24. |---|---|
  25. | `d_hello` | Hello-SimpleAI/chatgpt-detector-roberta-chinese |
  26. | `d_cmj` | mokawa3018/cmj-chinese-aigc-text-detector |
  27. | `d_zhv3` | yuchuantian/AIGC_detector_zhv3 |
  28. 把它们放到 `data/models/<owner>__<repo>/`,或用 `AIGC_BENCH_HOME` 指向回测工程目录。模型只在被调用时于进程内加载,不常驻。
  29. ## 能力
  30. | 入口 | 作用 | 需要模型 |
  31. |---|---|---|
  32. | `diagnose.py` | 句长节奏、段落节奏、连接词模板化、空泛指代、万能开头、商业套话、作者在场标记、具体性锚点、对称并列、句首重复 | 否 |
  33. | `anchor.py` | 8 类空洞指代 + 分句缺主语率(按人类摘要分位分档) | 否 |
  34. | `evidence.py` | 过程文件/版本/沟通/素材来源/送检记录五类清点 + 哈希清单 | 否 |
  35. | `style_profile.py` | 句长 CV、3-gram 重复、连接词密度、破折号冒号密度、词汇多样性、三段式 | 否 |
  36. | `reduce_rules.py` | 确定性算子改写;`--no-score` 无需模型 | 可选 |
  37. | `score_text.py` | 三个开源检测器的段落级分数、字数加权聚合 | 是 |
  38. | `reduce_aigc.py` | LLM 改写(实测无稳定降分,保留作对照) | 是 |
  39. ## 已经实测掉的"技巧"
  40. `references/direction-control.md` 与 `references/operator-effects.md` 记录了几组对照实验,结论对任何"降 AIGC"的说法都先过一关:
  41. | 做法 | 实测 |
  42. |---|---|
  43. | 让大模型按七条"去 AI 味"提示词重写 | 分数**升 +0.27**,87% 的篇变差;与"随便换个说法"无显著差别 |
  44. | 反向指令对照 | 不自对称 —— 指令方向不是检测器共有的轴 |
  45. | 扩词表 | 剂量饱和在 4.8%,扩表不是杠杆(156 对与 291 对结果几乎相同) |
  46. | 反向词表(改得更书面) | 同样降分,斜率同量级 |
  47. | 随机字符替换 | 降分是正向词表的两倍 —— 降分主要来自"改坏了" |
  48. | 长短句交替 | 抬高句长 CV 无可测效应;把句长**拉齐**反而降分 |
  49. | 删标题改排版 | 能改报告数字,属度量假象(PaperPass 现网对照) |
  50. 唯一有正效应的是**作者补真实细节**,但那属于写作,不是算子。
  51. ## 边界
  52. - 本地三个检测器未经任何商业平台校准,`--threshold 0.5` 只是本地显示用默认值。
  53. - 真实人类摘要也会被判高:`d_zhv3` 在 2,560 篇真实 CNKI 摘要上有 **23.8%** ≥ 0.5;留出集文档级误判率 6.7%–13.3%。
  54. - 分数下降不等于文本更像人写;`anchor.py` 的缺主语率经 616 篇标定,人类 5.63 与 AI 5.02(每百分句)**无差异**,只能用于自查行文。
  55. - 专利只证明技术方案被披露,不等于现行产品采用了它。
  56. - 不给零宽字符、隐藏文本、图片化正文、故意错字、同义词堆砌、回译等对抗建议。
  57. ## 目录
  58. ```
  59. SKILL.md 入口与执行流程
  60. references/ 平台机制、实测基线、算子效应、方向对照、申诉路径
  61. scripts/ 12 个脚本,多数纯标准库
  62. tests/ regression.py 70 条;mutation.py 突变测试
  63. docs/ 长文:十二组编辑实测(docs/index.md 为 Pages 首页)
  64. evals/ 触发与提示词用例
  65. .github/workflows/ 每次 push 跑回归(Ubuntu × Python 3.11–3.13;macOS 由 Actions 手动触发)
  66. ```
  67. ## 许可
  68. MIT,见 [LICENSE](LICENSE)。引用其中的实测数字时请连同 `references/` 里的口径与边界一起引用。

Ratings and comments

Sign in to rate this skill.

Sign in

Free to use. If it’s helped, pass it on.