四句話答案

  1. AI 檢測是概率，不是判決。它估算的是統計特徵，不會判斷你「是否使用 AI」這個事實。
  2. 誤判大量存在，尤其對非母語寫作者。寫作風格偏工整、用語變化少，是比「是否用 AI」更強的相關因素。
  3. 最有效的申訴材料是過程證據——草稿、大綱、版本歷史、檢索記錄、與導師的往來郵件。
  4. 先溝通，再申訴。多數情況下，先與授課導師說明過程、提交證據，比直接走正式程序更有效。

本文為方法說明，不代表任何院校的官方程序；正式途徑以所屬院校規定為準。

什麼叫「誤判」

所謂誤判（false positive），是指檢測器把非 AI 生成的文本判為 AI 生成。要理解它，先要接受一個前提：

AI 檢測器測量的是「像不像 AI」，不是「是不是 AI」
它的輸出是統計估算值。這個估算在某些文本上會偏離真實情況——尤其是那些人類寫作與 AI 寫作在統計上難以區分的文本。

這也解釋了為什麼各大檢測工具的官方文件都會寫明：結果不應作為懲罰依據，也不應作為最終裁決。把一個概率當成判決，是誤判發生的根本原因。

誤判的三個機制

  1. 訓練資料的偏差

    檢測器是用人類文本與 AI 文本「訓練」出來的。如果某類寫作風格在訓練資料中偏向某一側，就會產生系統性偏差——小眾語言、非母語寫作、正式場合的學術文風都是典型。

  2. 文本長度不足

    AI 率估算需要足夠的樣本量。短文、段落、或只有幾百字的文稿，其結果的波動幅度遠大於長文，參考價值低。

  3. 把「工整」誤認為「機器生成」

    學術寫作本身就要求結構清晰、論述一致、用語規範。這些特徵與 AI 生成的風格高度重疊，於是原創的工整文字反而被標示。

誰最容易中招

寫作特徵為什麼容易偏高可考慮的改善方向
非母語寫作用詞更保守、句式更一致，統計特徵接近 AI保留慣用語感；加入第一手觀察與個人判斷
文獻綜述比例高整齊轉述他人觀點是 AI 文本的典型樣態改用「比較兩種觀點」或「指出文獻間矛盾」的自有框架
結論保守「本文旨在探討」等抽象表述缺乏具體主張寫出具體發現、限制與判斷
表格與公式密集結構高度規律，節奏缺乏變化在表格前後加入解讀與批判性說明
短文或摘要樣本量不足，估算不穩定不以單一短文的分數作判斷依據

自證清單

若你真的需要說明「這是我自己寫的」，以下材料比任何解釋都有力。建議在寫作過程中就開始保留，事後補做通常不具說服力：

  1. 大綱與草稿

    最初的段落安排、隨手記下的想法、廢棄的段落——它們記錄了「思考的痕跡」，是原創最直接的證據。

  2. 版本歷史

    Word 的「修訂記錄」、Google Docs 的編輯紀錄，會完整保留你逐步修改的過程。

  3. 檢索與閱讀記錄

    Zotero、EndNote、瀏覽器閱讀清單、圖書館借閱紀錄，可以佐證你實際做過文獻工作。

  4. 課堂筆記與會議記錄

    討論過程的記錄往往能還原你如何形成某個判斷。

  5. 與導師的往來郵件

    提問、匯報、修改意見的往返記錄，是時間線上最難否認的一環。

  6. 第一手資料

    實驗數據、訪談記錄、田野觀察、你自己做的統計——這些是 AI 無法產出的內容。

最有說服力的一項：你的判斷與取捨
AI 可以幫你整理資料，但無法替你決定「這個方法不適用，因為……」。文稿中那些屬於你的判斷、取捨與質疑，是最難被質疑為 AI 生成的段落——也是最值得充實的部分。

與導師溝通的步驟

  1. 先私下溝通，而非直接走程序

    準備一段簡短說明，指出你認為被標示的段落，並提供過程證據。多數情況下，導師了解寫作過程後即可解除疑慮。

  2. 針對段落而非整體討論

    指出具體哪幾段被標示、你當時如何構思，比「整篇不像我寫的」更有說服力。

  3. 提出可行的補強方式

    例如口頭說明、補充研究過程、於附錄提供大綱與版本記錄——展示你願意且有能力自證。

  4. 必要時引用院校政策

    各院校對 AI 使用的規定差異很大，且會更新。申訴時應引用你所屬院校當前的正式文件，而非網路文章。

  5. 保留書面記錄

    所有溝通以郵件或正式系統進行，保留時間戳。這在後續程序中是基本保障。

常見問題

AI 率 0% 就安全嗎？Is a 0% AI Score safe?

不一定。極低或零嘅 AI 率可能來自文本本身太短、統計特徵不明顯，或檢測器對該語言支援較弱。短文本嘅檢測結果本來就不可靠，應以所屬院校正式提交為準。

Not necessarily. A very low or zero AI rate may reflect a short text, weak statistical signals or limited language support. Short-text results are inherently unreliable, so defer to your institution's official submission.

自己寫嘅點解會被判成 AI？Why is my own writing flagged as AI?

最常見原因係寫作風格偏工整、用語變化少，或大量直接引用文獻結論。呢啲特徵與「有冇使用 AI」無必然關係，非母語寫作者尤其容易遇到。

Common causes include highly uniform prose, limited wording variation and heavy reliance on quoted conclusions. These features do not prove AI use, and non-native writers are especially vulnerable.

用 Grammarly 改文會唔會令 AI 率高？Will using Grammarly to edit my writing raise the AI Score?

過度依賴工具大量重寫、令文句過於平順，可能增加被誤判風險；適度文法檢查通常無問題。保留修改記錄更有助自證。

Heavy tool-driven rewrites that over-smooth your prose can raise false-positive risk; moderate grammar checks are usually fine. Keeping edit history helps prove authorship.

學校會唔會誤判我？Will my university wrongly accuse me?

有可能。AI 檢測本身存在已知誤判率，而不同檢測器對同一份文稿可能給出不同結果。保留寫作過程證據，係降低溝通成本最實際嘅做法。

It can happen. AI detectors have known false-positive rates, and different tools may score the same paper differently. Keeping evidence of your writing process is the most practical protection.

被誤判點算好？What should I do if I'm wrongly accused?

先冷靜：保留大綱、草稿、版本記錄、參考資料閱讀紀錄等寫作過程證據，再主動約見導師，說明你嘅寫作步驟與資料來源。

Stay calm: keep your outline, drafts, version history and reading notes as writing-process evidence, then proactively meet your tutor to explain your writing steps and sources.

學校會單靠 AI 率扣分嗎？Will my university deduct marks based on AI Score alone?

一般唔會。院校通常結合導師判斷、寫作過程證據與課程語境作綜合判斷，唔會單靠一個檢測數字落判。

Usually no. Institutions weigh the score against your tutor's judgement, writing-process evidence and course context rather than acting on a single number.

資料來源與聲明

本文依據與界線

  • 各 AI 檢測工具官方文件對誤判與適用限制的公開聲明
  • 公開研究中對非母語寫作者誤判率的討論
  • 香港院校公開的學術誠信處理程序與申訴渠道（各校不同，須查閱所屬院校官網）

凡涉及你所在院校的具體設定（門檻、報告欄位、提交規則、AI 使用政策），本文一律指向「向學系或圖書館確認」——這些屬院校層面決策，公開資料並無統一答案，本站不作推測。

最後更新：2026 年 10 月 7 日 · 本頁為公開資料整理與方法說明，不構成任何院校的官方解釋。

延伸閱讀