前言
论文检测系统分为两套完全独立的人工智能任务：文本相似度查重与AIGC机器生成检测。查重判断的是文本是否抄袭已有文献，属于外部匹配任务；AIGC检测判断的是文本行文特征是否由机器生成，属于内部特征分类任务。两者模型、特征体系、判定逻辑完全不互通，这也是大量论文出现「重复率合格，但AIGC超标」的底层技术原因。
一、论文查重系统底层原理（相似度检测）
所有学术查重系统的核心目标：将待检文本与海量历史文献库做片段匹配，计算重合覆盖率。主流分为两种核心算法机制。
1.1 连续字符滑动匹配机制（高精度学术查重）
该机制是官方高精度查重的核心逻辑。系统会对全文进行清洗、去格式、去空格，以固定长度的连续字符为窗口，逐帧滑动比对文献数据库。只要文本中存在连续固定长度字符与库内文本高度重合，即判定为相似片段并标红。该算法具备模糊容错能力：少量同义词替换、个别字词增删，无法打断连续匹配逻辑。只要句式主干、字符序列大体一致，依然判定重复。降重核心原理：必须打破连续字符序列。仅换词无效，需要拆分长句、打乱语序、重构句子结构，彻底破坏原有连续字符片段，使窗口无法命中数据库样本。
1.2 N-Gram片段指纹匹配机制（通用查重）
该机制将全文切分为大量短字符片段，对每一段生成唯一哈希指纹，通过比对指纹重合数量判断文本相似度。相比滑动窗口，N-Gram切分粒度更细，对短句、短语、局部句式复用极其敏感。只要局部短语结构重合，就会产生指纹命中。该算法不关注语义，只关注字符排列组合的相似性。降重核心原理：必须打乱局部字符排列顺序。需要改写句式骨架、调换修饰成分位置、重组分句逻辑，彻底销毁原有短片段指纹。单纯同义词替换无法改变字符结构，降重效果极差。
1.3 轻量简化查重机制（初稿检测）
轻量检测同样基于片段匹配，但采用更大的切分窗口、更小的比对数据库、更宽松的匹配阈值。该机制对文本改动敏感度低，表层词语替换即可降低重复率，但不具备学术检测精度。经过轻量降重的文本，在高精度查重系统中会直接反弹。
二、AIGC检测底层完整原理（机器文本识别）
AIGC检测不查数据库、不比对外部文本。它通过提取文本内部的语言学特征，使用预训练二分类模型判断：当前文本更接近「人工写作分布」还是「机器生成分布」。机器文本天生存在固定统计规律，人工写作存在自然随机性，AIGC模型就是捕捉这种差异。
2.1 统计特征检测（全局文风判定）
大模型生成文本具备极强的平滑性和规律性：句长高度均匀、段落节奏统一、过渡词模板化、语句可预测性高、文本困惑度低。人工写作存在自然波动，句长长短错落、用词随性、逻辑节奏有起伏，困惑度更高。AIGC模型通过计算全文句长方差、词频分布、句式平滑度、语句混乱度，初步判定机器特征。浅层换词完全无法改变统计特征。
2.2 句法结构指纹检测（句子级核心判定）
这是维普类AIGC检测的核心原理。系统对每一句话进行依存句法分析，生成句法树指纹，记录句子主谓宾结构、修饰关系、从句嵌套方式、语法排布逻辑。大模型写作会高频复用固定句法模板，全文句法指纹同质化严重；人工写作句法结构离散、杂乱、无统一模板。关键技术点：替换词语不改变句法树结构，因此无法规避AIGC检测。只有重构句子语法骨架，才能消除句法指纹。
2.3 语义逻辑向量检测（段落级核心判定）
这是知网类AIGC检测的核心原理。模型将整段文本编码为高维语义向量，判断段落逻辑链、论证排布、观点递进方式是否属于AI模板化逻辑。机器文本的论证方式平铺、规整、无个人思辨、逻辑结构高度统一；人工文本逻辑跳跃、观点侧重个性化、论证层次随机。即使表层文字全部改写，只要段落论证思维不变，语义向量依然落在AI样本区间，AIGC率不会下降。
三、为什么普通降重无法降低AIGC率（核心技术结论）
1. 普通降重只改 Token，不改结构同义词替换属于表层文本替换，句法树、句长分布、段落逻辑链完全保留，AIGC三大核心特征全部不变。2. 查重看字符匹配，AIGC看结构与逻辑分布查重是外部比对，AIGC是内部特征分类，两者完全独立。重复率为0的文本，依然可以是100%AI文本。3. 真正的降AIGC必须扰动三层特征需要打乱句长统计分布、重构句法指纹、微调段落论证逻辑，让文本整体特征从「机器分布」迁移到「人工写作分布」。
四、最终技术总结
查重原理：基于字符窗口或片段指纹，比对外部文献库，判定文本抄袭重合度。AIGC检测原理：基于统计特征、句法指纹、语义逻辑向量，判定文本机器生成概率。降重只能改查重率；句法与逻辑重构才能改AIGC率。