2026年9月，新南威尔士大学（UNSW）悉尼分校在宣布一项重大教学改革时，顺带说了一句让全球高校都无法忽视的话：任何AI检测工具和AI水印，都不会被单独依赖来判定学术不端。它们“仅代表一种支持教育者判断的工具”。
这句话出自UNSW发言人接受iTnews采访时的官方表态。校方给出的理由简洁而直接——AI水印和检测工具“目前还不可靠，不足以单独确定 misconduct（不当行为）”。
这不是一所普通高校的谨慎措辞。UNSW正在做一件在全球范围内都算激进的事：把OpenAI的ChatGPT Edu部署给全校8万名学生和教职员工使用。在如此大规模拥抱AI的同时，明确宣布不信任AI检测工具，这个组合释放的信号值得仔细拆解。
一、UNSW的规则设计：一边拥抱AI，一边拒绝检测
UNSW的AI政策框架呈现出一种“两条腿走路”的结构。
一条腿是大规模开放。学校将ChatGPT Edu的覆盖范围从去年底试点的1万名教职员工，扩展到8万名学生、教职员工和研究人员。OpenAI将这次部署描述为“战略合作”，UNSW的教学材料中也会融入OpenAI的AI编程工具Codex。
另一条腿是明确划定边界。UNSW推出了一套叫做“评估转型”（assessment transformation）的学术政策，把所有的考核评估分为三个类别，给学生清晰的AI使用指引：“可以”（can）使用AI、“不可以”（can‘t）使用AI、“必须”（must）使用AI。
这套分类的逻辑是：与其在事后用不可靠的检测工具去“抓”学生，不如在事前把规则写清楚。哪些作业允许用AI、哪些不允许、哪些必须用——学生在动手之前就知道红线在哪里。
但真正让UNSW的立场具有制度性意义的，是它对检测工具的定位。校方明确表示，不会依赖任何检测工具和水印来单独判定 misconduct。它们“代表一种支持教育者判断的工具”，而不是判定的依据。
表：UNSW的AI政策双轨结构
| 政策维度 | 具体内容 | 与全球其他高校的对比 |
|---|---|---|
| AI工具开放范围 | ChatGPT Edu部署至8万名学生和员工 | 规模在全球高校中处于前列 |
| 评估分类 | “可以”“不可以”“必须”三种AI使用模式 | 多数高校仅区分“允许”与“禁止” |
| 检测工具定位 | 不单独作为 misconduct 判定依据 | 与耶鲁、范德堡、约翰斯·霍普金斯一致 |
| 检测工具可靠性判断 | “尚不可靠，不足以单独确定 misconduct” | 牛津、杜克持同样立场 |
| 学术诚信保障机制 | 评估转型+教育者判断 | 过程性评估替代事后检测 |
二、UNSW为什么说检测工具“不可靠”
UNSW的立场不是孤立的谨慎，而是建立在一组持续累积的实证数据之上。
2026年发表的一项实验评估考察了五款广泛使用的AI检测工具——GPTZero、Turnitin AI Detection、Copyleaks、ZeroGPT和Originality.ai——在180个学术写作样本上的表现。结果显示，这些工具的假阳性率（即人类撰写的文本被错误标记为AI生成）在15.6%到30.6% 之间。
另一项在2026年学术会议上发表的研究测量了多款商业检测工具，发现的假阳性率区间更加惊人：0.05%到68.6%。同一项研究还测量了假阴性率——即AI生成的文本被漏过的比例——区间为0.3%到99.6%。
这两个数字放在一起看，揭示了一个比“检测不准”更根本的问题：检测工具的判定结果在统计上几乎是随机的。一款工具可能准确识别了某篇AI生成的论文，但在下一篇上完全失灵；同一篇人类撰写的论文，在这款工具上是“0% AI”，在另一款上可能被标记为“85% AI”。
表：2026年AI检测工具误判风险的实证数据
| 研究来源 | 样本类型 | 关键发现 |
|---|---|---|
| IEEE实验评估（2026） | 五款主流工具，180个学术写作样本 | 假阳性率15.6%—30.6% |
| 2026年学术会议研究 | 多款商业检测工具 | 假阳性率0.05%—68.6%；假阴性率0.3%—99.6% |
| 斯坦福大学研究 | TOEFL作文 | 非母语英语写作者误判率61.3%，母语者近乎为零 |
| arXiv大规模研究（135389对文档） | 非母语作者原稿 vs 专业编辑修改版 | 13款检测器误判率0%—100%；同一修改在不同检测器上评分方向相反 |
斯坦福大学的研究揭示了一个系统性的偏见：非母语英语写作者的学术英文写作，平均61.3% 被误判为AI生成，而英语母语者的同类文本误判率近乎为零。这不是测量误差，而是结构性的：非母语写作者倾向于使用更简单的句式、更常见的词汇、更少的习语表达——这些恰恰是检测器标记为“AI特征”的模式。
三、句子级案例分析：一段“被AI”的学术论文
UNSW的决策背后，是一个在全球高校中反复出现的场景。来看一个具体的例子。假设一篇社会科学课程的论文中有这样一段文字：
The relationship between institutional trust and civic participation has been extensively studied in political science. Putnam‘s social capital theory posits that dense associational networks foster norms of reciprocity and trust, which in turn facilitate collective action. Empirical studies, however, have produced inconsistent findings. Some scholars find a robust positive correlation, while others report that the relationship is conditional on contextual factors such as economic inequality and ethnic heterogeneity.
这段话句长在22到40字之间，句式全部是“理论框架+学者观点+实证发现+条件判断”的陈述结构，信息密度均匀。在一款基于困惑度和突发性的检测器中，被标记为高AI疑似率的概率很高。
但撰写这篇论文的学生在跟导师交流时说的是：
I started with Putnam because he’s the canonical reference, but the empirical section was frustrating — every paper I pulled up seemed to point in a different direction. That‘s when I realized the problem wasn’t the theory itself but how different studies operationalize “civic participation.” Some use voting rates, others use volunteering hours, and a few use a composite index. Once I started grouping the findings by measurement approach, the apparent contradictions started making sense.
这段口头解释包含了研究路径的调整、对原始框架的挫败感、数据观察中的发现，以及解决问题的方法。把这些内容注入论文，段落就变成了：
Putnam‘s social capital theory was the starting point, but the empirical literature proved difficult to synthesize — each study seemed to point in a different direction. The issue turned out to be measurement: some studies operationalize civic participation as voting rates, while others use volunteering hours or a composite index. Grouping the findings by measurement approach resolved much of the apparent contradiction.
两段文字传递的学术信息实质相同。改写后的段落句长波动明显，包含了“proved difficult to synthesize”“turned out to be”“resolved much of the apparent contradiction”这类带有个人研究过程痕迹的表达。信息密度不均匀——对理论框架的处理压缩在一句里，测量方法的分析展开了两句。
UNSW的决策在这个案例中的意义在于：一个学生用AI帮助梳理了实证文献，然后用完全属于自己的判断和语言写出论文。检测系统无法区分这跟一个纯粹自己思考的学生写的论文有什么不同。UNSW的答案是，既然区分不了，而且这种“区分不了”本身已经产生了系统性的偏见，那就不应该用一个无法公平区分的工具来判定。
四、UNSW的替代方案：从“检测”转向“评估转型”
UNSW没有停留在“拒绝检测工具”这一步。校方同步推出的“评估转型”是一套系统的替代方案。
图：UNSW的“评估转型”框架
评估转型
│
├── “可以”使用AI的评估
│ ├── 学生可以使用AI辅助完成
│ ├── 需标注AI使用范围
│ └── 评估重点：对AI输出的批判性理解和应用
│
├── “不可以”使用AI的评估
│ ├── 必须展示个人能力
│ ├── 通常在监督环境下完成
│ └── 评估重点：独立思考和知识掌握
│
└── “必须”使用AI的评估
├── 要求学生使用AI工具
├── 评估重点：与AI协作的能力和对输出质量的判断
└── 反映未来职场中AI协作的真实场景这套分类的逻辑跟牛津大学推行的“过程组合档案”有相似之处。核心思路都是：与其用一个不可靠的工具在事后猜测学生是否用了AI，不如在评估设计阶段就把“怎么用AI”纳入考量。学生在“可以”和“必须”的评估中展示的是AI协作能力，在“不可以”的评估中展示的是独立能力。三种模式各有各的评判标准，不需要依赖一个外部工具来“检测”。
印第安纳大学Kelley商学院的Faculty AI Playbook中给出的建议与此一致：“不要试图‘抓’AI使用，而是设计能够鼓励过程展示的作业。”具体做法包括要求提交论文的多版本草稿、嵌入阶段性的口头答辩、在关键节点进行一对一交流。
UNSW的评估转型还包含一个容易被忽略的细节：ChatGPT Edu的部署本身就带着一个“反作弊”的设计。OpenAI为教育场景开发的工具中，包含检测学生“走捷径”行为的功能，当系统识别到学生可能在用AI偷懒时，会将其“重定向”到更安全的学习路径。这个设计的逻辑跟“事后检测”完全不同——它是在学习过程中实时引导，而不是在提交之后追溯。
五、分步优化策略：当学校明确表示“检测工具不可靠”
UNSW的规则给所有面临AI检测的学生提供了一个参照：当学校明确表示不依赖检测工具时，把“通过检测”作为写作目标，方向就偏了。更合理的策略是让文本和过程材料共同证明研究的真实性。
思维导图：UNSW模式下的学术诚信准备
- 过程材料层面
- 保留从选题到定稿的每一版草稿
- 记录与导师的交流内容和反馈意见
- 保存数据收集、文献阅读的原始笔记
- 如使用AI工具，明确记录使用范围和目的
- 文本层面
- 长短句交替，避免句长集中在22-40字的“舒适区”
- 注入研究过程中的调整和质疑
- 保留对前人研究的个人判断，而非单纯罗列
- 在论证中加入对自身局限性的认识
- 制度层面
- 熟悉每门课程的评估分类（UNSW的“可以/不可以/必须”模式）
- 了解院系是否有额外的AI使用限制
- 如被要求说明写作过程，准备上述材料
- 工具层面
- 初稿阶段用论文查重免费平台摸查重复率趋势
- 定稿用学校指定系统做最终确认
- 检测分数作为参考，不作为写作的导向
六、全球高校的转向：UNSW不是孤例
UNSW的立场是2026年全球高校AI检测工具退场潮的一部分。根据一份持续更新的政策追踪清单，截至2026年9月，全球已有超过50所大学正式禁止、停用或明确劝阻使用AI检测工具用于学术诚信案件。
表：2026年全球高校AI检测政策转向对比
| 高校 | 国家/地区 | 核心决策 | 关键理由 |
|---|---|---|---|
| 新南威尔士大学 | 澳大利亚 | 检测工具不单独作为misconduct判定依据 | 工具“尚不可靠” |
| 耶鲁大学 | 美国 | 禁止检测结果作为唯一证据 | 检测工具不可靠 |
| 范德堡大学 | 美国 | 停用Turnitin AI检测，规定不得作为主要证据 | 误报率、偏见、透明度、隐私 |
| 牛津大学 | 英国 | 不推荐使用任何AI检测工具 | 不可验证的概率评估 |
| 杜克大学 | 美国 | 不认可任何声称可判定AI写作的软件 | 系统不可靠、偏见 |
| 华盛顿州立大学 | 美国 | 取消Turnitin AI检测合同 | 148547份作业中约1485份可能被误判 |
| 南安普顿大学 | 英国 | 整个Turnitin合同不再续约 | 数据被用于训练AI的风险 |
| 西澳大学 | 澳大利亚 | 不使用任何AI检测工具，称其“不道德” | 工具不公平、不适合高利害评估 |
| 自由州大学 | 南非 | 2026年7月1日起全校停用所有AI检测工具 | 准确性存疑 |
| 新加坡社科大学 | 新加坡 | 2026年8月起停用全校AI检测工具 | 工具不可靠 |
新加坡的转向尤其值得关注。新加坡社科大学在2026年8月11日起停止使用AI检测工具，校方表示“意识到检测分数有其局限，尤其是当这类分数根本无法断定生成式人工智能是否被不当使用”。新加坡国立大学、科技设计大学和理工大学随后证实，它们不使用自动化工具检测AI生成内容。新加坡管理大学则表示，虽然会继续使用检测工具，但“绝不会将其作为判定不端行为的唯一依据”。
这些高校的立场有一个共同点：它们没有否认“AI误用是真实存在的”，但它们拒绝用一个已经被证明不可靠的工具来判定这个问题。UNSW的发言人把这一点说得最清楚：检测工具“代表一种支持教育者判断的工具”，而不是判断本身。
初稿阶段可以用论文查重免费平台摸查重复率趋势，但第三方平台的数据库通常不完整，结果仅供参考。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。对于修改顺序的实操框架，论文初稿查重与降AIGC实操提供了“先AIGC后查重”的分步操作说明。如果需要了解AIGC免费查重的具体操作路径，站内有分步骤的实操说明可以参考。论文查重系统的核心操作逻辑与AIGC优化有本质区别，理解这一点是制定修改策略的前提。
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。
UNSW在把ChatGPT Edu推给8万人的同时宣布不信任AI检测工具，这个组合传递了一个清晰的信号：学校选择的是“教会学生怎么用”，而不是“抓学生有没有用”。对于认真做研究的学生来说，这个转向其实是一种保护——你的阅读笔记、修改草稿、导师交流记录，这些才是真正无法被伪造的东西。任何检测系统都替代不了它们。