成都大学教务处2026年4月7日发布的智评检测通知中，有一个细节值得注意：AI智评的检测结果被分成了A、B、C、D四个等级，每个等级对应不同的处理建议——A级和B级经指导教师审核评定后可进入后续环节，C级需要“结合反馈意见，大幅度修改”，D级则要求“学院成立专项督导组，加强整改与指导”。这意味着成都大学的论文检测不是简单的一刀切——过了就过，不过就退，而是根据检测结果的风险等级，匹配差异化的处理路径。
一、成都大学的“三维检测”框架拆解
成都大学2026届本科毕业设计（论文）的检测体系由三个相互独立的环节构成：AI智评、AIGC检测和格式检测。每位学生拥有2次使用权限，2次均包含全部三项检测功能。
表：成都大学2026届论文检测框架
| 检测维度 | 检测内容 | 结果分级 | 处理方式 |
|---|---|---|---|
| AI智评 | 政治方向、选题意义、逻辑构建、写作安排、专业能力、学术规范 | A/B/C/D四级 | A/B级：审核后进入后续环节；C级：大幅修改；D级：学院专项督导 |
| AIGC检测 | 识别疑似AI生成内容及占比 | 未明确分级 | 作为质量参考，需确保AI生成比例达标 |
| 格式检测 | 按照写作规范与模板全面检查 | 合格/不合格 | 不合格需修改后重检 |
查重检测在毕设系统中单独进行，与智评检测是两条平行线。毕设系统的查重标准是：校级优秀毕设论文去除本人文献复制比不得高于25%，非校级优秀毕设论文去除本人文献复制比不得高于30%。每位学生最多检测3次，3次之后仍未达标将直接取消毕业答辩资格。初稿环节不查重，定稿供查重、评阅、答辩使用，终稿为答辩通过后精修归档的最终版本，提交后需再次查重直至符合标准。
这就形成了一个值得注意的结构：毕设系统管查重（3次机会），智评平台管AIGC和格式（2次机会），两个系统、两套标准、两种次数分配。
二、华宸AI智评在看什么
成都大学使用的智评平台是华宸AI智评，登陆方式为zhiping.huaczy.com。AI智评的检测维度包括政治方向、选题意义、逻辑构建、写作安排、专业能力和学术规范六个方面，从教育部《本科毕业设计（论文）抽检办法（试行）》的要求出发对论文进行全面评估。
AIGC检测是智评平台中的独立模块，其判定依据是文本的统计特征而非数据库比对。核心指标是两个。
困惑度衡量语言模型对文本的“意外程度”。AI生成文本倾向于选择概率最高的下一个词，整体流畅但可预测，困惑度偏低；人类写作会使用更多非常规表达、个人化措辞和跳跃性思路，困惑度偏高。突发性衡量文本节奏的变化幅度。人类写作有长短句交替、信息密度起伏，AI文本的节奏则更加均匀平稳。
不同检测平台对这两个指标的权重设置不同，导致同一篇论文在不同系统中的AIGC结果可能相差很大。一项针对检测平台差异的分析指出，知网AIGC偏重语义逻辑与知识一致性，对长句术语友好但整体严格；维普对句式工整度、过渡词密度敏感，常比知网高5到10个百分点。同一篇论文在知网测出12%、在维普可能测出45%，都属于正常范围。成都大学指定的平台是华宸AI智评，学生需要以这个平台的结果为准。
三、句子级案例分析：一段“太规范”的论文
来看一个具体的例子。假设一篇软件工程专业的毕业论文中有这样一段文字：
“本文设计并实现了一个基于Spring Boot的在线教育平台。系统采用前后端分离架构，前端使用Vue.js框架，后端使用Spring Boot框架。数据库采用MySQL，通过MyBatis实现数据持久化。系统功能模块包括用户管理、课程管理、订单管理和数据统计四个部分。经过测试，系统各项功能运行正常，达到了预期设计目标。”
这段话是学生根据实际开发经历写的，每一个技术选型都有项目记录支撑。但放进AIGC检测系统，疑似率不会低。
文本特征扫描：整段五句话，句长在18到28字之间，波动极小。句式全部是“采用X，使用Y”的陈述结构，没有一句出现不确定的限定或主观判断。信息密度均匀——每句话包含一个技术选型或功能模块，没有哪句话承担了额外的解释或过渡功能。连接方式高度统一：每句话直接陈述一个事实，句与句之间没有思考痕迹。
AIGC检测系统扫描这段文字时，困惑度偏低——每一句话的用词和句式都在“预期之内”；突发性也偏低——句长和节奏没有自然波动。系统判定为高疑似，原因不在内容，在文本的“规整度”。
换一种写法，同样的技术内容：
“这个平台前端用的是Vue，后端Spring Boot，前后端分离——选这个组合主要是考虑到团队之前有Vue的基础，上手快。数据库选了MySQL，持久层用的MyBatis，本来想试试JPA的，后来发现MyBatis在复杂查询上写起来更顺手。功能模块其实一开始规划了五六个，砍掉了两个不太核心的，最后保留的就是用户、课程、订单和统计这四块。测试阶段发现并发量一上去订单模块响应明显变慢，后来加了个缓存层才把响应时间压下来。”
两段话传递的信息实质相同。区别在于第二段出现了“主要是考虑到”“本来想试试”“后来发现”“其实一开始规划了五六个”“砍掉了两个不太核心的”“后来加了个缓存层才把响应时间压下来”这类带有人类判断、过程痕迹和决策理由的表达。句长波动明显，信息密度不均匀——有的技术选型一句带过，有的决策展开了两句。AIGC检测面对第二段文字时，困惑度和突发性都会显著升高，疑似率自然下降。
四、成都大学规则中的弹性设计：AI智评分级与查重次数分配
成都大学的规则设计中有几处值得留意的弹性空间。
AI智评的A/B/C/D四级分类意味着，即使AIGC检测显示疑似率偏高，只要AI智评的综合评估结果在A级或B级，经指导教师审核后仍然可以进入后续环节。C级需要“大幅度修改”，D级才触发学院专项督导。这个分级机制实质上承认了一个事实：AIGC检测的单一数字不足以判定论文的质量，需要结合选题意义、逻辑构建、专业能力等维度综合判断。
查重方面，3次检测机会的分配需要策略。建议第一次检测安排在论文基本定稿后，拿到报告先看单篇重复来源——多数情况下，超标的主要来源集中在某一篇参考文献的集中引用上，针对性修改几段就能显著降低重复率。第二次检测用于验证修改效果，第三次留给定稿确认。如果三次用完仍未达标，取消答辩资格的处理方式没有商量余地。
五、国外研究揭示的检测偏见：Grammarly也会触发误报
成都大学学生面临的AIGC误判问题，在国际学术界已经得到了系统的实证研究。
一项发表于《International Journal of Educational Technology in Higher Education》的研究专门考察了写作辅助工具对AI检测结果的影响。研究者发现，Grammarly这类“微妙提升可读性”的工具会触发AI检测警报并增加误报率，尤其是对非母语写作者。该研究指出，传统AI检测器如Turnitin和GPTZero难以可靠地区分“合法的语言润色”和“AI生成”，这削弱了它们在执行学术诚信方面的效用。
研究者使用了一批在消费级AI工具普及之前撰写的文本，分别用Grammarly、EditPad、Writefull等工具进行处理，然后测试Turnitin和GPTZero能否准确判断这些文本是否使用了AI工具。结果显示，即使是那些并非以“生成内容”为主要功能的写作辅助工具，也会显著提高AI检测的误报率。
该研究的结论对成都大学的学生有直接参考意义：使用Grammarly或其他润色工具提升论文语言质量，可能反而触发AIGC检测警报。研究建议教育者“谨慎解读检测分数，避免不公正地惩罚学生”，并呼吁“向教授负责任地使用AI转变，而不是追求僵化的禁令或依赖可能无法准确捕捉写作细微差别的检测指标”。
西南财经大学张同学的案例则提供了更具体的参照。她独立查阅文献、逐字写出的毕业论文，提交到某查重平台后文献综述部分的AI生成率被判定为97%，正文部分也被标记为高AI生成率。这个案例说明，文献综述由于写作范式的高度规范化——文献梳理、观点归纳、趋势总结，恰恰是AIGC误判的高发区域。
六、分步优化策略：先AIGC后查重，两个系统分开处理
成都大学的检测体系涉及两个独立系统：毕设系统（查重，3次）和智评平台（AIGC+格式，2次）。优化顺序需要先处理AIGC再处理查重。
图：成都大学论文检测应对流程
论文定稿
│
▼
毕设系统：上传定稿
│
├── 查重检测（3次机会）
│ │
│ ├── ≤30%（优秀≤25%）→ 通过
│ │
│ └── 超标 → 修改后复检（3次用完仍未达标→取消答辩资格）
│
├── 智评平台：上传论文（2次机会）
│ │
│ ├── AI智评 → A/B级：审核后通过；C级：大幅修改；D级：学院督导
│ ├── AIGC检测 → 确保生成比例达标
│ └── 格式检测 → 对照检测报告逐项修改
│
▼
三项均达标 → 提交答辩AIGC优化放在查重之前的原因：降低AIGC疑似率的核心操作是重组句式、打破规整度、加入个人化表述，这些操作同时会改变文本的字符串序列。如果先做查重降重再改AIGC，等于先把句子拆散了再重新组装，查重率很可能反弹。
对于成都大学的学生，有一个可以利用的天然优势：项目开发和实验过程中的“不顺利”是最有效的AIGC解药。某个功能模块的接口调试花了整整两天最后发现是跨域配置的问题、测试阶段某个场景下的并发性能不达标后来加了索引才解决、数据库设计初期考虑不周后来做了表结构重构——这些内容AI编不出来，写进论文里既能增加论文的真实性，也能自然打破文本的统计规整度。
思维导图：成都大学AIGC优化要点
- 句式层面：长短句交替，避免句长集中在18-28字的“舒适区”；每3-4句插入一个短句或设问；避免连续五句以上使用“采用X，使用Y”的陈述结构
- 用词层面：模板化连接词每千字不超过2次；适当保留“大概”“左右”“主要是考虑到”等非正式表达；技术术语首次出现时用自然语言简要说明选型理由
- 内容层面：写出开发过程中的技术选型对比和调整原因；保留调试和排错的过程痕迹；在结论段落中加入对系统局限性的直接评价
- 顺序层面：先AIGC优化，再查重降重，最后格式检测；三个环节分开处理，不要混改
- 工具层面：初稿用免费工具摸查趋势，智评平台2次机会严格按时间节点分阶段使用
七、检测工具与品牌参考
成都大学的正式检测系统是毕设系统（查重）和华宸AI智评平台（AIGC+格式），两个系统各有独立的次数限制。建议第一次智评检测安排在4月7日至4月24日的第一阶段，用AI智评的反馈意见做局部修改；第二次智评检测用于终稿确认，确保AIGC比例和格式规范达标。
初稿阶段可以用论文查重免费平台摸查趋势，但最终结果必须以学校毕设系统和智评平台为准。关于查重与AIGC检测逻辑差异的详细说明，可以参考论文查重免费查重过了，为什么还有一个AIGC检测？中关于两者判定机制根本差异的分析。对于检测完成后如何制定修改策略，论文初稿查重与降AIGC实操提供了“先AIGC后查重”的分步操作框架。
品牌方面，论文狗在初稿反复检测阶段有它的便利性，paperdog的免费额度适合每天摸查一个段落的AIGC特征变化，文思慧达的结果跟学校系统更接近，适合定稿前的对照验证。但所有这些工具的结果都只能作为趋势参考，最终判定权在学校指定系统。
成都大学的“三维检测+分级处理”框架，本质上是在技术工具和人工判断之间建立了一个缓冲层。AI智评的A/B/C/D分级设计承认了检测工具存在误判的可能，把最终判断权交给了指导教师和学院督导组。对于认真做项目的学生来说，这个规则其实是一种保护——只要你的开发记录和调试过程完整可查，AIGC检测报告上的一个数字无法单独决定你的论文命运。但保护的另一面是责任：你需要能够在被追问时清晰地讲出每一个技术选型的原因，每一次架构调整的考虑，每一个功能模块的实现逻辑。这些东西，任何检测系统都替代不了。