降AI率不改变原意：如何保住论点、数字和引文

要在降低 AI 辅助文本的 AI 痕迹时不改变原意，改写必须固定住六样东西：论断、数字与单位、每处限定语气的强度、引文及其所支撑的内容、学科术语，以及句子之间的逻辑关系。文风、节奏和句子结构可以变，这六样不能变。

改写工具的大多数失误，恰恰发生在这份清单上，而且因为输出读起来依然通顺，很容易被忽略。本指南列出必须保持不变的内容、我们最常见到的几类问题，以及一套在把改写稿交给导师、合作者或期刊之前都可以使用的复核流程。

绝不能改变的内容

一个学术句子承载的不只是话题。它还编码了作者有多大把握、证据来自哪里、具体测量了什么。一次改写保留了话题，却改变了其中任何一点，就成了另一个句子。

限定语气尤其值得注意。Ken Hyland 对研究论文的研究认为，限定语气是科学家陈述论断的核心手段：它们表示的是可能性而非确定性，并帮助论断获得同行的认可（Hyland, Hedging in Scientific Research Articles, 1998）。去掉一个限定词，即使每个名词都还在，论断也已经变了。

常见的问题

这些模式在改写工具、被要求“改写一下”的通用聊天模型以及一些降 AI 工具中都会出现。每一种都可能在快速浏览时蒙混过关。

限定语气漂移

改写工具往往会让文字更笃定，因为笃定的句子更短、更流畅。"These results suggest a possible association" 变成了 "These results show an association"。在整个讨论部分中，论文可能就这样从谨慎滑向夸大，却没有一处明显的错误。

引文错位

句子重组后，引文可能落到错误的分句旁边，或者支撑不同论断的两条引文被合并到句末。参考文献列表仍然正确，但证据与论断之间的对应关系已经错了。

数字被取整、单位丢失

"p = .047" 变成了 "p < .05"。"A 23% decrease" 变成了 "a decrease of nearly a quarter"。"0.8 mL" 丢了单位。每处改动看起来都只是文风问题，但每处都改变了读者能够核实的内容。

术语被替换

同义词工具会把固定术语换成日常用词。极端情况下，就会出现 Cabanac、Labbé 和 Magazinov 所说的 "tortured phrases"（扭曲短语），比如把 "artificial intelligence" 写成 "counterfeit consciousness"（Cabanac et al., 2021）。更隐蔽的情况，例如 "significant" 失去了统计学含义，则更难发现。

范围改变

"In this sample of 84 rural clinics" 变成了 "in rural clinics"。限定论断范围的修饰语消失了。

原文

In our cohort, higher baseline HbA1c may be associated with slower wound healing (Okafor et al., 2020), although the effect (β = 0.31, 95% CI 0.12 to 0.50) was limited to patients over 60.

草率的改写

Higher baseline HbA1c slows wound healing, an effect of roughly 0.3 that was strongest in older patients (Okafor et al., 2020).

单独读第二个版本，看不出任何问题。拿它和第一个版本对照，就会发现：带限定的相关关系变成了因果论断，置信区间不见了，亚组限定变成了程度梯度，而引文现在看起来是在支撑亚组发现，而不是主要的相关关系。

为什么选择性改写能降低风险

每改写一个句子，就多一次出现上述错误的机会。因此，改写整篇文档的工具会让每一个论断、数字和引文都面临漂移的风险，包括那些本来根本不需要改的句子。只改写检测器实际标记的句子的工具，暴露的风险要小得多。如果一段八句话中只有两句被标记，另外六句就会原样返回，你的复核也只需集中在两句上。

这正是我们在句子级 AI 检测中主张逐句处理的主要原因，也是改写工具即使能改变检测分数、在学术场景中仍然行不通的原因。术语是另一个专门的话题，参阅为什么科研术语需要特别处理。

改写稿的复核流程

没有任何工具能免去作者最后的通读。ICMJE 的建议说得很直白：使用了 AI 辅助技术的稿件，"Humans are responsible for any submitted material"（人对提交的任何材料负责），作者还必须确保引用内容的正确归属（ICMJE）。这套流程能让通读更高效。

1. 对比，而不是重读把每个改动过的句子与原句并排对比，而不是孤立地读新版本。
2. 核对每个数字在输出中搜索原文的每个数值、单位、p 值和区间，确认完全一致。
3. 匹配限定语气对原文中的每个 may、might、suggest、appear 或 likely，在改写中找到同等强度的表达。
4. 把引文钉在论断上确认每条引文仍紧挨着它所支撑的论断，而不只是在同一个句子里。
5. 排查术语替换检查有定义的术语、缩写和变量名是否保持不变。
6. 朗读整段听一听句子之间的逻辑是否断裂，尤其是被改动的连接词。

有两个实用技巧可以加快速度。第一，把原文另存一个文件，随时都有干净的版本可供对照。我们关于保留能体现研究过程的笔记的文章说明了，万一作者身份受到质疑，这份记录也能派上用场。第二，如果某处改写改变了原意，直接放弃那一句，而不是去修改改写结果。修改一个糟糕的改写，往往会把它的错误也保留下来。如果你更想全部自己动手，我们的手动降AI率怎么做会一步步带你完成。

Academic Humanizer 如何处理原意

Academic Humanizer 正是围绕这份清单设计的。Humanizer 只改写 AI 检测器标记的句子，其他句子完全保持你写的样子，并力求保留你的论点、证据、数字、引文和学科术语。AI Detection Report 把每个被标记的句子和它的改写并排展示，让上面的对照复核可以很快完成。AI 输出仍可能出错或改变原意，所以请把报告当作你自己通读的起点，并在投稿前查看期刊或机构的 AI 披露规定。