原標題：畢業論文將檢測AIGC率 今後該如何界定使用邊界？

       眼下，2026屆高校畢業生正陸續進入論文答辯階段，與此同時，不少高校開始對AIGC的使用“立規矩”，要對畢業論文檢測AIGC率，簡單來説，就是運用人工智能生成內容，從語言模式和語義邏輯等多個維度，對論文文本進行分析比對，區分判定文本內容中“人工智能生成”的比例，如果超過規定上限，論文將不得參加盲審和答辯，以此來進行監管，維護學術誠信。

　　在AI深度融入教育體系的當下，AIGC（人工智能生成內容）能否用於畢業論文？使用邊界如何界定？檢測標準是否科學？帶著這些問題，進入今天的關注觀察。

　　各高校要求AIGC比例從15%至40%不等

　　今年以來，四川大學、南京工業大學、廣西師範大學、河北工程大學等高校相繼發佈通知，要求本科畢業論文須進行AIGC檢測，並對論文的AIGC率作出明確規定。其中，四川大學要求文科類畢業論文AI生成內容佔比不超過20%，理工醫科類不超過15%；南京工業大學要求全校畢業論文均須進行AIGC檢測，檢測標準由各學院自行作要求。廣西師範大學、河北工程大學、南京航空航天大學則規定AIGC比例不得高於40%。

　　大連理工大學學生 孫卓：我自己查過AIGC率，我覺得它會有一些誤差率，有的可能確實是自己寫的，但是它也會給你算到AI生成內容裏邊。

　　北京郵電大學學生 李沅澤：我喜歡用口語化的方式把我的思路全表達出來，然後發給大模型，讓它幫我弄成學術化的語言。這個時候AIGC率確實是會比較高的。

　　大連理工大學學生 趙姝媛：AI它的語料庫也是從人類的論文進行訓練的，所以我對AIGC率這個事情其實不是特別認可。

　　中國傳媒大學學生 邢雅苑：其實我認為AIGC率它並不像知網的學術論文庫查重一樣，它沒有一個公佈出來的標準。

　　北京郵電大學學生 姜越：我希望未來AIGC檢測可以告訴我，這段它是為什麼判定我的AIGC率高，而不是像現在它只告訴我，你的AIGC率就是百分之多少。

　　“用AI降AIGC率” AIGC檢測科學嗎？

　　採訪中，不少學生對AIGC檢測的準確性提出了質疑。在社交媒體上，還有學生分享“用AI降AIGC率”的攻略。當檢測可以被AI輕易破解，AIGC檢測還科學嗎？

　　記者調查發現，當前網絡上各類AIGC檢測平臺層出不窮，單次檢測按字數收費從十幾元到幾十元不等。與此對應，“降AIGC率”的付費服務也已應運而生，商家號稱能通過句式改寫、詞彙替換、邏輯微調，把高AIGC率論文改寫到合格標準。一些學生在社交媒體上無奈吐槽，為了證明自己的論文不是AI生成，不得不付費降AIGC率。

　　葛佳怡是一名大四學生，她在維普平臺對畢業論文進行了AIGC檢測，結果顯示疑似AIGC率為56%。她告訴記者，她用AI完成了部分理論資料的檢索與補充，而摘要、項目計劃、創作核心均為原創。讓她不理解的是，自己和團隊商量擬定的項目計劃部分竟然被認定疑似AIGC率為97%，其中甚至包括項目的時間安排。

　　大四學生 葛佳怡：有一個我非常憤憤不平的點在於，為什麼我前面在執行日期這一塊，日期對應的任務工作這一塊全部都是標紫的，這塊也很難讓AI去寫。

　　無奈之下，葛佳怡嘗試用AI降AIGC率，並成功降到0%。

　　大四學生 葛佳怡：我跟AI説，要把AIGC率給降下來，邏輯化不要那麼強，增加一些口語化，但是不要太口語等等。按照維普或者知網官方檢測的模式、底層邏輯給我一份什麼樣的內容。原先我在寫的時候它就更偏正式書面化一點，那AI這次給我改出來的東西就偏口語化一點。那麼把兩個程度融合在一塊，就是能夠通過檢測的內容。

　　一些學生在嘗試用AI降AIGC率後，還總結出了所謂的規律：比如儘量少使用專業化術語，越像“口水話”AIGC率越低等等。

　　檢測結果“僅供參考” AIGC率如何認定？

　　專家表示，引入技術手段對AI生成內容進行檢測有它的合理性，但由於目前AIGC檢測技術本身還不完善，很多檢測工具也都標明其檢測結果“僅供參考”。那麼當下，對於論文的AIGC率，高校該如何判定才更合理呢？

　　專家建議，一方面，高校可適當放寬對AIGC合格率的要求，避免因技術誤判影響學生正常答辯。另一方面，AIGC檢測結果不應作為唯一的評價依據。

　　北京郵電大學計算機學院教授 鄂海紅：真正容易被誤判的點是在於我們人機協作過程中我有一段話表達之後我覺得不夠滿意，那我希望AI幫我進行潤色，那這種情況下實際上是一個充分的人機協作，讓AI來判斷其實就不夠精準了。不同學科對於AIGC率，它都不應該一刀切，而是由學科的專家或者導師來進行最後的一個定論。

　　南京航空航天大學教務處副處長 李鑫：開展AIGC檢測作為輔助手段是有其必要性的，我們要守住學術規範性的底線。考慮到當前AIGC檢測的精確性，我們將合格率定在40%，引導同學們合理使用大模型。另一方面，不以是否通過AIGC檢測作為唯一評價依據。對於不通過AIGC檢測的論文，我們會組織專家通過論文評閱、學生答辯等方式來進行綜合研判。

　　專家指出，由於學術類書面表述被AI語料庫大量收錄學習，因此成為檢測誤判的高發領域；對於使用AI潤色的文本，當前的檢測工具較難實現精準識別。對此，專家建議相關檢測平臺加快技術升級，國家相關部門也應加快出臺AIGC檢測工具的技術要求及標準，並進行監管，提高AIGC檢測工具的品質與公信力。

　　北京郵電大學計算機學院教授 鄂海紅：AIGC文本檢測也要走向更加精細化的識別。在這種人機協作過程中，我是對它改寫？還是潤色？還是擴充？還是以人類的引導詞來去完全地重新生成？其實也應該被更好地識別出來。

　　AI偽造圖像和數據的行為更應值得警惕

　　此外，專家提醒，不僅是AI生成的文本，更應警惕的是利用AI偽造研究數據、生成實驗圖片、替代自主設計的行為。

　　北京郵電大學鄂海紅教授團隊，受科技部等部門委託，正在研發針對科學實驗中利用AI工具進行圖像造假等行為的檢測大模型。她告訴記者，隨著AI技術的發展，一些AI生成的實驗圖像靠人眼難以辨別真假，必須引入技術手段進行識別。

　　北京郵電大學計算機學院教授 鄂海紅：像2024年的時候AIGC圖像生成的能力還沒有那麼強。所以它在輸出這種學術圖像的時候，並不是非常貼近於實物的這種效果。2025年的時候，這篇撤稿論文中指出來的食管癌的這種圖像，其實人眼已經很難去辨別它的這種差異了，這種合成出來的這種實驗圖像，它其實危害更大。這個時候就必須需要用AI的手段來去應對這種圖像生成的這種檢測。

　　當前AI檢測的“誤判”困境，其實在某種程度上揭示了原有學術評價體系在新技術衝擊下的不適應。在AI已成為科研“協作者”的今天，我們更需要一套鼓勵創新、規範使用、透明可信的新規則。