Compilatio 抄袭和 AI 检测器：在相信分数前要验证什么

什么是 Compilatio，它如何工作？

Compilatio 起初是为法国教育市场构建的抄袭检测服务，现已成为法语使用地区中学和大学广泛部署的相似度检查工具之一，其采用范围已扩展到其他欧洲机构。其核心功能是将提交的文档与网页、已发表的学术工作和以前提交的学生论文的大型索引进行比较，然后返回一份相似度报告，显示哪些段落与现有来源重叠以及相似程度。这个相似度百分比是教师和管理员多年来依赖的数字，用于审查学生提交物中是否存在潜在的抄袭。在过去的几个产品周期中，该平台向其报告添加了第二层功能：估计一段文本由 AI 写作工具生成的可能性，以独立分数的形式呈现，与相似度数字并列而不是替换。与大多数商业检测供应商一样，它没有公布 AI 检测评分背后的完整技术细节——它权衡的确切信号和其训练方式不是公开信息。AI 检测模块的可用性、确切的报告布局以及如何突出显示可能因机构和订阅层级而异，所以一个学生或教师在 Compilatio 报告中看到的内容不一定与另一所学校的人看到的相同。如果你试图理解你自己的报告显示的是什么，与你机构的管理员或供应商自己的文档沟通比假设每个部署都以相同的方式工作更可靠。

抄袭检测与 AI 检测有何不同？

抄袭检测和 AI 写作检测解决了两个完全不同的问题，即使单份报告并列展示两个分数也是如此。相似度检查通过将文本与现有来源的索引（网页、期刊文章、以前提交的论文）进行匹配，并标记重叠紧密到足以表明未经归因抄袭的段落来工作。它从根本上是一个搜索和比较的过程：该工具不是判断谁写了句子，而只是判断那个确切的句子（或非常接近的句子）是否已经在其他地方存在。AI 写作检测完全基于不同的原理。它不是将文本与源索引进行比较，而是查看文本本身的统计属性，最常见的是困惑度（给定周围上下文的每个单词选择的可预测性）和突发性（文档中句子长度和结构变化的程度）。语言模型倾向于生成比典型人类写作更平滑和统计上更一致的文本，检测器的构建目的是识别这种模式。一段文本在相似度上可能评分很低，而在 AI 概率上很高，反之亦然，因为这两项检查查找的是完全不同的信号。在一个仪表板上放置两个数字是为了方便，而不是表明它们测量相同的东西，将低相似度分数视为段落未被 AI 写入的证据（或将高 AI 分数视为抄袭的证据）是误解了每个数字实际告诉你的内容。

Compilatio 的 AI 检测功能有多准确？

Compilatio 没有公布其 AI 检测功能经过独立审计的准确性数据，这与市场上大多数商业检测器的情况相同——供应商通常将其工具描述为审查的有效辅助工具，而不是绝对真理，供应商自己的材料将 AI 分数框架为众多信号之一，而不是独立的决定。对 AI 检测器的同行评审研究更广泛，涵盖了基于类似困惑度和突发性方法构建的工具，已反复发现在特定写作类别上有有意义的假阳性率，以及对在使用 AI 工具起草后经过改写或轻微编辑的文本的准确性降低。没有公开的理由假设这个 AI 检测模块对影响可比工具的相同错误类别免疫，目前也没有可用的独立第三方基准让你验证它的准确性与竞争对手相比的确切位置。这是一个合理的谨慎基础而不是驳斥的基础：分数可以是一个有用的标志，促使更仔细的查看，但它不足以单独支持高风险的决定，如成绩处罚或学术诚信调查。

"检测分数是查看一篇文章的理由，而不是单独的判决——无论工具是 Compilatio、Turnitin 还是市场上的任何其他东西都是如此。"

在相信 Compilatio 分数之前应验证什么？

由于 Compilatio 的报告和功能可用性可能因机构、订阅层级，甚至教师配置的分配设置而异，在将任何分数视为可靠之前，值得确认几个具体事项。定价、确切的集成和启用的检测模块也是随时间变化的细节类型，所以直接与你的机构或 Compilatio 验证比依赖二手描述更可靠，包括这一个。

1. 确认你的课程或机构是否确实启用了 AI 检测模块——相似度检查和 AI 检测在许多部署中是分开配置的
2. 询问你的教师或机构将什么阈值视为值得注意的，因为 Compilatio 本身不设置通用的及格/不及格截止值
3. 检查 AI 检测功能目前支持哪些语言，因为准确性和覆盖范围可能因语言而异
4. 查出你查看的报告是否反映了文档的最新版本或之前提交的早期草稿
5. 询问你的机构在标记后程序上会发生什么——人类审查者是否在任何后果之前查看文件
6. 当你对特定功能、定价或集成细节有疑问时，请查阅 Compilatio 自己的文档或你机构的指导，而不是假设它与你在其他地方阅读的相匹配

假阳性风险和其他需要了解的限制

最有可能在 AI 检测器上触发假阳性的写作类别通常是充分记录的，没有强有力的理由期望此功能位于该模式之外。用第二语言写作的非母语使用者通常会产生在语法上比母语使用者写作更规则、习语变化更少的散文，这种方式读起来统计上“平顺”，与 AI 生成的文本往往会得分的方式相重叠。经过大量编辑的写作——经过与导师、写作中心或语法检查工具多轮修改的草稿——可能会丧失检测器用作人类作者身份信号的某些不规则性，即使每个词都由学生撰写和修改。正式或技术性写作，包括实验室报告、法律风格的分析和高度结构化的商业写作，往往读起来低困惑度，即使完全由一个人写的，仅仅因为该类型本身就奖励了传统措辞。这都不意味着该工具的分数在整个范围内都不可靠；这意味着适用于任何商业 AI 检测器的相同注意事项——在任何后果前进行人工审查、超越单一分数的证实证据，以及对 ESL 和大量编辑写作的额外谨慎——也适用于这里。

Compilatio 如何融入机构的学术诚信工作流程

在大多数部署中，Compilatio 报告——无论是相似度分数、AI 检测分数还是两者——的设计目的是放在人工审阅者面前，而不是触发自动结果。教师或学术诚信人员通常直接查看被标记的段落，检查突出显示的文本是否得到适当引用或确实类似于学生的其他工作，并决定该文件是否值得在任何正式流程开始前与学生进行对话。机构在配置和处理 Compilatio 结果的方式上差异很大：一些机构设置保守的阈值并将该工具保留用于抽查，其他机构作为常规审查每个提交，特定的升级程序是在机构级别设置的，而不是由 Compilatio 本身设置。如果你是试图理解标记对特定作业的含义的学生或教师，你自己机构的学术诚信政策——而不是有关该工具如何工作的一般信息——是接下来会发生什么的权威来源。

使用 NotGPT 作为预检查或第二意见

在提交前通过单独的检测器运行你自己的写作是一种合理的方式来及早发现潜在的假阳性，它也给你一个独立的第二次阅读，而不是依赖单个工具的输出。NotGPT 的 AI 文本检测提供句子级概率分析和突出显示的段落，专门为 AI 写作检测而构建，而不是作为抄袭匹配产品的附加功能，这使其成为与 Compilatio 报告并排的有用的独立比较点。如果你自己的写作被任一工具意外标记，对照第二个构建不同的检测器进行检查是判断标记是否可能是与你的写作风格相关的假阳性，或是值得在提交前真正审查的段落的更实际的方式之一。对于学生来说，预检查的目的不是骗过任何检测器，而是捕捉文体模式——过于一致的句子结构、异常通用的段落——这可能会吸引不需要的审查，并修改它们，使最终提交清楚地读作你自己的工作。

1. 在将你的草稿提交到任何可能运行 Compilatio 检查的地方之前，将其粘贴到 NotGPT 的 AI 文本检测中
2. 比较哪些特定句子被标记，因为两个独立构建工具之间的重叠比单独的任何分数都是更强的信号
3. 如果一段被标记，它确实是你自己的写作，为自然变化的句子长度进行修改，并添加具体的、具体的细节，而不是从头开始重写
4. 为你提交的任何东西保留草稿和修订历史记录，因为文档是如果标记曾被正式审查的最有说服力的证据
5. 将任何单一分数——来自 Compilatio、NotGPT 或任何其他工具——视为人工决策的一个输入，而不是其本身的结论

"交叉引用独立检测器不是为了争论分数而争论——这是为人工审阅者在决策前提供更多信息。"