Common App 会检查 AI 吗?2026 年筛查的实际工作方式

Common App 本身检查 AI,还是由成员学校处理?

Common App 是一个非营利组织,运营一个集中式应用平台——把它看作申请人和大学之间的路由层,而不是招生办公室本身。该平台为成员学校收集您的个人陈述、活动描述、成绩单记录和补充论文,然后将该数据传输到每个机构自己的招生系统。Common App 不雇用招生审阅人员。它不做招生决定。自 2025-2026 申请周期以来,它不会对其自有平台基础设施内提交的任何材料运行 AI 检测。AI 筛查发生在下游,在各个学校的层面。Common App 网络中大约 900 个机构中的每一个都会自行决定是否为 AI 内容筛查申请、使用哪些工具,以及什么分数阈值触发人工审查。这与集中式政策有本质不同——您的 Common App 名单中的两所学校可能有完全不同的 AI 检测方法,其中任何一所都不需要告诉您他们采取了哪种方法。最可能进行筛查的是选择性学校。根据美国大学招生咨询协会的调查,在录取率低于 30% 的学校中,2025 年采用 AI 检测的招生流程的采用率超过 80%。对于通过单一 Common App 提交向 10 至 15 所学校发送相同个人陈述的申请人,实际意义是,这些学校中的至少部分正在通过 Turnitin、GPTZero 或类似工具进行论文审查,作为常规流程的一部分——即使您名单上的学校都没有发布说明这一点的政策。

1. Common App 是一个提交平台,而不是招生办公室——它传输论文但不对其进行筛查
2. AI 检测在 Common App 将您的材料转发后在各个成员学校发生
3. 每个机构都制定自己的政策:使用哪些工具、采取什么阈值、如何处理标志
4. 800 多所大学属于 Common App 网络——检测做法在整个群体中差异很大
5. 在选择性学校(录取率低于 30%)中,超过 80% 使用至少一种 AI 检测工具
6. 单一 Common App 提交到 15 所学校可能被其中 8-12 所进行筛查

"Common App 为申请提交提供基础设施。成员机构对他们收到的材料所做的事情——包括他们是否运行任何形式的内容验证——完全由该机构决定。" ——Common App 平台文档,2025

Common App 对 AI 生成论文的政策是什么?

尽管 Common App 不直接筛查论文,但该组织已在其官方指导中解决了 AI 生成的内容。Common App 的认证声明——每个申请人在提交前必须接受的声明——包括所有提交的材料必须是申请人自己的工作的语言。使用 AI 生成或大部分撰写申请内容被视为该认证下的虚假陈述,与提交虚构的课外活动或伪造的成绩属于同一类别。在 2024-2025 申请周期,Common App 更新了其常见问题文档以更明确地解决 AI。指导说明申请人应该是他们自己论文的作者,AI 生成的内容与个人陈述部分的目的不一致。该组织没有描述具体的执行机制,因为执行发生在成员机构的层面——Common App 没有权力拒绝入学、撤销录取通知或调查个别案件。Common App 所做的是设定一个规范期望,其成员学校可以在自己的政策中参考。几个机构在与申请人沟通其 AI 政策时引用了 Common App 的认证语言,将 AI 生成定位为违反申请人在提交时同意的诚实标准。Common App 方面缺乏技术执行层并不意味着认证不具有分量。如果申请人提交 AI 生成的内容,学校发现它——无论是通过审查期间的检测工具还是通过入学后的写作样本比较——认证为学校的回应创造了记录基础。

"通过提交此申请,您证明所有提供的信息都是您自己的,准确代表您。使用 AI 写作工具来生成申请内容与此认证不一致。" ——改编自 Common App 申请人认证语言,2024-2025

Common App 的哪些部分最可能被学校筛查?

Common App 提交的每个字段都不会获得相同程度的 AI 审查。个人陈述——从 7 个 Common App 提示中选择的 650 字论文——是整个申请中最一致地被筛查的文档。它是申请人应该用自己的声音撰写的主要文本,它以相同的方式提交到名单中的每所学校,并且它足够长,以至于统计检测工具可以可靠地运行。对于大多数运行 AI 检测的学校,个人陈述在人工审阅人员看到文件中的任何其他内容之前会先检查。通过 Common App 门户提交的学校特定补充论文在选择性机构中的审查优先级几乎与个人陈述相同。"为什么选择这所学校?"提示、社区贡献论文和知识好奇心回应都应该代表申请人的个人思考——他们较短的长度(通常 150 至 500 字)不会降低优先级。一些招生专业人士指出,短 AI 生成的回应有时更容易识别,正是因为 AI 输出的统计狭隘性在更少的单词中更集中。附加信息部分——一个 650 字的可选字段,申请人可以在其中解释不寻常的情况、扩展的学术背景或额外的背景——在作为实质性书面提交处理的选择性学校进行筛查。大多数录取率低于 25% 的学校将申请人提交的任何文本视为有资格进行检测审查,包括 Common App 呈现为可选的内容。活动描述,每个限制为 150 个字符,呈现不同的情况。字符限制使可靠的统计分析变得困难——大多数检测工具需要至少一个段落来生成稳定的困惑度和突发性读数。然而,几位招生专业人士已记录了当措辞与申请的其余部分相比似乎不一致地精美时手动标记活动描述进行二级审查。这些字段中的检测不太系统,更多是人为启动的。

1. 个人陈述(650 字,7 个提示选项):在所有机构中最先和最一致地进行筛查
2. 通过 Common App 门户提交的补充论文:在选择性学校的高优先级筛查
3. 附加信息部分(最多 650 字):在录取率低于 25% 的学校进行筛查
4. 短回答补充文章(150-300 字):进行筛查,有时更具说服力,因为 AI 模式集中
5. 活动描述(每个 150 个字符):很少进行统计分析,但在措辞似乎不一致时手动标记
6. 推荐信、成绩单、测试分数:不进行筛查——这些是第三方文件,而不是申请人的写作

学校实际上如何对 Common App 提交的内容运行 AI 检测?

当学校通过 Common App 收到您的申请时,论文内容到达机构自己的招生管理系统——Slate、Technolutions 或专有门户等平台。大多数商业 AI 检测工具可以通过 API 直接集成到这些系统中,这意味着检测可以作为文件构建工作流的一部分自动进行,而不是要求员工手动将文本粘贴到单独的工具中。对于已建立此集成的学校,通过 Common App 提交的每份个人陈述都会在被人工审阅人员打开之前通过检测进行处理。在文件化的招生 AI 检测工作流中最一致出现的四种工具是 Turnitin 的 AI Writing Indicator、GPTZero、Copyleaks 和 Originality.ai。Turnitin 是迄今为止最常见的。大多数大学和四年制大学已经订阅 Turnitin 用于课程作业中的剽窃检测。在现有的 Turnitin 合同中添加 AI Writing Indicator 不需要新的采购,这就是为什么从 2023 年开始它迅速传播到招生工作流中。GPTZero 在招生中建立了特定的采用,因为它从一开始就为教育批量处理而设计——招生办公室处理每个周期 40,000 份申请需要一个可以有效排队论文的工具,而不是需要手动逐个提交的工具。Copyleaks 在想要与 Turnitin 一起独立读取的机构中很常见。如果两个平台都标记同一论文,招生阅读器有更强的理由升级文件,而不是只有一个工具返回高分数。所有这些工具都遵循相同的核心原则:它们分析文本的统计可预测性。语言模型通过在每个位置选择最可能的下一个单词来生成散文。结果是流畅、语法正确的文本,但它往往在统计上很狭隘——每个单词都是高概率选择。人类写者做出从他们的具体经验、词汇和思维方式中汲取的更不可预测的选择。检测工具测量这种差异并返回概率分数。

1. 招生管理系统(Slate 等)经常通过 API 集成 AI 检测——论文在收到时自动处理
2. Turnitin AI Writing Indicator:最广泛部署,在现有剽窃订阅中激活,无额外合同成本
3. GPTZero:为教育批量处理而设计,在数百所有 Common App 数量的学校中使用
4. Copyleaks:当 Turnitin 分数需要证实时,频繁用作第二意见工具
5. Originality.ai:在喜欢 Turnitin 套件外专用 AI 检测工具的学校中很常见
6. 所有工具都返回句子级突出显示的概率百分比——而不是二进制判决

"集成是无缝的。论文通过 Common App 进来,它进入我们的系统,AI Writing Indicator 分数已经在文件中了,然后读者才分配它。没有人需要手动做任何事情。" ——选择性研究型大学的招生技术协调员,2025

当 Common App 论文被标记为 AI 时会发生什么?

个人陈述上的高 AI 检测分数不会自动拒绝。每个有此问题文件化政策的机构都明确说明检测分数是进行额外人工审查的信号——而不是独立决策依据。标记后的工作流在为审查协议进行构建的学校中通常是一致的,尽管具体情况因机构而异。当论文分数高于学校定义的高风险阈值时——通常在 Turnitin 上超过 60% 或另一平台上的等效水平——文件被标记以升级给高级阅读器或小审查委员会。高级阅读器的工作是确定分数是否反映真实 AI 生成或由申请人的自然写作风格引起的假阳性。高级阅读器在整个文件中寻找证实信号。最可靠的是在标记的论文和文件中任何可用的比较文本之间的质量差距——标准化测试写作样本、SAT 论文或申请学校要求的补充学术材料的评分纸张。个人陈述比文件中的所有其他书面工件都明显更精美和正式构建,是比单独检测分数更强的信号。缺乏具体个人细节是另一个指标。AI 生成的个人陈述往往在情感上引人注目且结构合理,但在事实上是空洞的——他们用通用术语描述经历,而没有命名真实的人、真实的地点、具体的日期或只有实际申请人才能知道的细节。围绕命名的亲戚、特定街道地址、实际事件日期或本人特有的感官记忆建立的个人陈述是模型更难生成的,也是检测工具更难标记的。如果高级审查的结论是分数可信,典型的结果是没有声明的理由被拒绝——这在招生中是标准做法。一些较小的选择性机构在 AI 分数超过规定阈值时直接与申请人联系,要求要么进行定时写作样本进行比较,要么提交解释性声明。入学后发现——在第一学期写作评估或由学生课程工作不一致引发的有针对性的审计——可能导致撤销。

1. 论文在阈值以上标记(Turnitin 上通常 60%+ 或等效水平)——转发给高级阅读器或审查委员会
2. 高级阅读器检查标记的论文与文件中其他写作之间的质量差距
3. 缺乏具体个人细节(真实名字、日期、地点)是第二个证实信号
4. 如果高级审查发现分数可信:在大多数情况下发出拒绝,没有声明原因
5. 一些选择性学校与申请人联系以获得定时写作样本或解释性声明
6. 入学后在课程审查或写作评估期间发现可能导致撤销

"一个分数并不能改变我的决定。但一个分数加上通用措辞、没有个人细节,以及一个与文件其余部分不匹配的写作风格——这种组合很难忽视。" ——选择性文科学院的招生委员会成员,2025

假阳性对 Common App 申请人来说是真实风险吗?

对大学申请人来说,最令人担忧的情景之一是提交一份他们完全独立撰写的个人陈述,然后通过他们自己的提交前检查或学校的后续询问发现论文在 AI 检测中得分很高。这发生得足够频繁,以至于有正式 AI 审查政策的招生办公室包括明确的指导,告知他们的读者关于假阳性。2024 年发表的同行评审评估发现 Turnitin、GPTZero 和 Copyleaks 的假阳性率范围从 4% 到 17%,具体取决于写作风格、主题和作者背景。2024 年《自然》杂志的一项研究记录了非英语使用者被不成比例地标记。机制很直接:以学习的寄存器进行的正式学术写作往往会汇聚到比以某人自然第一语言生成的写作更狭窄的词汇范围和更可预测的句子结构。这种狭隘在统计上类似于 AI 输出,检测工具将其读取为更高的 AI 生成概率——不是因为写作很糟糕,而是因为它在本地使用者通常不会的方式上是一致的。经历了与大学顾问、导师或同伴审阅者进行许多修改轮回的学生面临相关风险。广泛的修改消除了自然变化——片段以强调、意外的词选、长期的句子,因为一个想法未完成——这使写作在统计上是人类。一份在 8 个月内修改了 20 次的个人陈述最终可能的突发性比一次性坐着写出的初稿更低。三个 Common App 申请人档案最常产生假阳性。首先,自然具有正式书面寄存器的学生,在强调学术精确度教学的教育系统中很常见。其次,其论文在许多个月内被多个人大量编辑的学生。第三,在词汇范围有限的自然主题上写作的学生——医学条件、技术主题或利基活动,其中精确的术语留下几乎没有词汇变化的余地。如果您符合这些档案中的任何一个,提交前检查不是可选的准备——这是基本的。

"我们每个周期都会从国际申请人和经历过广泛辅导的学生那里看到假阳性。我们给阅读器的培训特别解决统计标志和实际 AI 生成证据之间的差异。" ——T50 大学的招生政策协调员,2025

您如何在提交前检查 Common App 论文?

在提交 Common App 之前,通过 AI 检测器运行您自己的论文现在是准备充分的申请人之间的标准做法——逻辑是直接的。如果您申请的学校将要看到您个人陈述上的检测分数,您应该在他们看到之前知道该分数的样子。目标不是操纵任何特定工具。这是为了验证您的真实写作不会产生统计模式,该模式会将您的文件发送到二级审查,并捕捉任何无意中产生这些模式的段落。将您完整的个人陈述粘贴到检测工具中,并查看句子级别的输出,而不仅仅是总体分数。句子级别的突出显示显示了正在驱动结果的确切段落。在大多数情况下,标记的句子共享一种模式:它们在语法上完整,结构上是常规的,并且不包含将声明锚定到真实经历的具体个人细节。这些是要修改的段落。最一致产生结果差异的修订也是最不复杂的。在已变得节奏一致的段落中重新引入句子长度变化——每个句子运行 8 至 12 个单词并遵循相同的子句结构——倾向于减少突发性问题。用直接的过渡替换正式的连接短语("此外"、"另外"、"值得注意的是")减少了困惑问题。在每篇论文中至少添加一个具体的个人细节——真实名字、实际日期、命名地点、只有您可以进行的感官观察——使文本在统计上更难被检测工具读取为 AI 输出。用英语作为第二语言的申请人应该特别关注词汇。用反映您如何在主要语言中实际思考的替代方案替换几个正式正确但狭隘选择的单词往往对检测分数的影响比任何结构更改都要大。检查您的补充论文以及个人陈述,而不仅仅是个人陈述。一份 200 字的"为什么选择这所学校?"回应,在 AI 检测中得分很高,即使个人陈述很清楚,也可能在选择性学校引起警旗。时机很重要。在申请截止日期前至少一周运行检查,而不是在前一夜。解决检测分数问题的修订——大声朗读段落以确认它们听起来像您、寻找替代词选、将抽象声明固定在特定记忆中——是缓慢的工作,在截止日期压力下会产生更糟的结果。将提交前检查纳入您的申请日历,与您安排请求推荐信的方式相同。

1. 将您的完整个人陈述粘贴到 AI 检测工具中,并阅读句子级别的输出,而不仅仅是总体分数
2. 识别标记为高概率的特定句子——这些是要修改的段落,而不是整个论文
3. 在任何在节奏上一致的段落中重新引入句子长度和结构变化
4. 用直接的过渡替换正式的连接短语,反映您实际思考的方式
5. 至少在每篇论文中添加一个具体的个人细节——真实名字、实际日期、命名地点
6. 如果用英语作为第二语言进行写作,改变超出您在学校中学到的正式学术寄存器的词汇
7. 分别运行每个补充论文——一个 200 字的"为什么选择这所学校?"提示仍在选择性学校进行检查
8. 修订后重新检查以确认更改在提交前具有预期的效果

Common App 公开说什么与学校实际做什么相比?

Common App 招生中公开指导和运营实践之间的差距比大多数申请人意识到的要宽。Common App 自己的公开材料确立所有提交的内容必须代表申请人自己的工作——但他们远没有描述成员学校应该如何验证这一点,因为那不是 Common App 的制度角色。各个学校在他们的公开沟通中同样保持克制。与多年来出现在招生手册中的剽窃政策不同,AI 检测政策很少被纳入机构已发布的招生常见问题。原因一部分是战略性的:学校不想发布他们的检测阈值的路线图或使用中的特定工具。他们一部分也实际上:许多机构在正式书面政策跟上实践之前就在运营上实施了 AI 检测。存在的公开声明往往是通用的。典型的声明承认学校知道 AI 写作工具,并期望所有提交的材料代表申请人自己的工作,而不指定任何检测方法。较少数量的机构——包括几个加州大学分校和一些私立选择性学校——已在其申请说明或招生博客文章中添加语言,明确承认该技术用于协助验证提交的材料。对于问 Common App 是否检查 AI 的申请人,诚实的答案是 Common App 本身不会——然后更重要的问题接管:您申请的学校是否检查?调查证据是一致的:大多数学校在选择性范围内,收到有意义的 Common App 申请份额的学校确实会检查,检查的份额从 2023 年以来每年都在增长。任何您名单上的特定学校都没有发布政策并不是学校不进行筛查的证据。这是证据表明学校选择不发布其筛查做法,这是机构做出的最常见选择。将 AI 检测视为您名单上每个机构的基础设施的一部分。

"我们不会公开详细说明我们的 AI 审查流程。在常见问题中描述我们的阈值或工具实际上会为想要逃避检测而不是自己做工作的申请人写一份优化指南。" ——高度选择性私立学院的招生主任,2025

NotGPT 如何帮助 Common App 申请人检查他们的论文

NotGPT 为您提供了招生办公室运行的相同类型的提交前检查——在您的申请到达阅读器之前。将您的 Common App 个人陈述或任何补充论文粘贴到 AI 文本检测工具中,您会收到一份概率分数,带有句子级别的突出显示,显示哪些具体段落驱动了结果。如果一个段落分数高,您可以确切看到哪些句子触发了标志,并在您的文件到达招生办公室之前针对具体性、声音和结构变化修改它们。该工具分析困惑度和突发性——Turnitin、GPTZero 和其他平台测量的相同统计信号——所以您在 NotGPT 中看到的分数密切近似于使用自己工具的招生阅读器会看到的。这不是关于欺骗系统。这是关于确保真实写作被认可为真实。一份 Common App 个人陈述上的假阳性可以同时将您的文件发送给多所学校的二级审查——因为相同的论文发送给您名单中的每所学校。运行提交前检查需要几分钟,并为您提供在截止日期之前放心修改的信息。