AI 生成內容（AIGC）偵測報告，能不能當作弊證據？

一項以超過 28 萬筆真實作業、論文與程式碼樣本測試 13 種偵測工具的研究：長篇論文尚可，短作業與程式碼系統性失靈，經作者所稱的混合修改策略處理後，最多 88% 的 AI 內容逃過偵測。

匯東華統計顧問　·　陳秀敏博士　·　2026／10／16

第 7 期匯東華電子報第 7 期｜2026.10.16 看本期網頁版 →

一頁先懂｜核心判斷

偵測報告上的「AI 率」，可以當成提醒，不能當成證據。

Sun、Liao 與 Ma 於 2026 年在 Computers & Education 發表的研究，建立三個以真實樣本構成的資料集（課堂作業、學位論文、工程程式碼），合計超過 28 萬筆樣本，系統性評估 13 種主流偵測工具，涵蓋商業與開源模型。

摘要的結論有三點：偵測工具在長篇論文上表現尚可，在工程程式碼與短篇作業上則系統性失靈；理工領域因技術寫作的公式化特性，受到明顯的演算法偏誤；作者所稱的混合修改策略，最多可讓 88% 的 AI 生成內容逃過偵測。作者據此判斷：現有偵測技術不足以支撐高風險的教育評量。

第 2 期介紹 Academic Humanizer 時，我們提醒過「不要把能不能通過 AI 偵測當作品質判準」；這項研究為那句提醒補上證據。

文末整理三種讀者（投稿的研究者、指導學生的教師、需要判讀報告的審查者）拿到偵測報告時，可以怎麼做。

01｜從第 2 期的改寫工具，到這一期的偵測工具

第 2 期的本期工具〈Academic Humanizer：把 AI 初稿修回自己的聲音，然後呢？〉談的是改寫端：一套把 AI 初稿修回作者語氣的規則。開發團隊在說明中寫明它「not designed to evade AI-use detection」，《Nature》的報導仍以「可抹除 AI 寫作痕跡」為題，引發科學家的擔憂。我們當時在第三個實務提醒寫下：完全由作者自行撰寫的文章，也可能被判定具有 AI 特徵；今天通過某一套偵測器，不能證明文章比較真實。《Nature》相關報導見參考文獻 2。

那是一個原則性的提醒。本期這項研究從偵測端回答同一件事：偵測工具在真實的學生作品上準不準、被改寫之後還剩多少偵測力。

兩篇合起來看，結論是對稱的：偵測分數高，不能證明用過 AI；偵測分數低，也不能證明沒用過。

本篇也延續系列前幾篇的主線。No.03 談 AI 自我檢查後，照樣交出有問題的結論；No.05 的結語是「每一種 AI 用法，都要說得出：出錯時誰會發現、誰負責」。偵測工具是同一個問題的另一面：當我們拿一個 AI 工具去判斷別人有沒有用 AI，判斷的責任仍然在人身上，不在報告上。

02｜這項研究怎麼測：把偵測工具放回真實的學生作品

作者指出，偵測工具在真實教育情境中的有效性，至今探討不足。因此他們建立三個資料集：

StuTask：課堂作業
StuThesis：學位論文
DataCode：工程程式碼

三者合計超過 28 萬筆真實樣本。作者以 13 種主流偵測工具（含商業與開源模型）從多個面向評估，包括整體表現、任務複雜度、學科差異，以及面對刻意修改時的穩健性。

03｜長篇論文尚可，短作業與程式碼系統性失靈

摘要的第一個發現是：偵測工具在長篇學位論文上的表現「尚可接受」（acceptable），但在工程程式碼與短篇課堂作業上「系統性失靈」（systematic failures）。

要注意的是「尚可」兩個字。作者在研究重點中另外寫明：尚可的偵測表現，仍不足以用於高風險評量。 即使在表現最好的長篇論文，結果也只到「可以參考」，達不到「可以定案」。

對醫護研究的讀者，這裡有一點延伸：統計分析常附 R 或 SPSS 語法。這項研究測的是工程程式碼，沒有直接測統計語法；但同屬程式碼，不宜預設通用偵測器在這裡會比較準（此為推論，本研究未直接檢驗）。

04｜理工寫作的公式化特性，帶來演算法偏誤

第二個發現與學科有關。作者指出，由於技術寫作的公式化特性，理工（STEM）領域受到明顯的演算法偏誤。

醫學與護理研究的寫作同樣高度格式化：方法節的固定句式、結果節的數值報告、被動語態與專業術語。本研究沒有把醫學寫作單獨分析，但依作者對理工寫作的解釋，醫護研究者的稿件很可能落在同一側（此為推論，未經本研究直接檢驗）。

摘要沒有說明偏誤的方向（較常被誤判為 AI，或較常被漏判）。

這一點對指導者最重要：同一個偵測分數，放在不同學科、不同文體，意義不一樣。 用同一條門檻判斷所有學生，本身就可能不公平。

05｜經混合修改，最多 88% 的 AI 內容逃過偵測

第三個發現是穩健性測試。作者指出，現有偵測工具極度脆弱：作者所稱的混合修改策略，最多可讓 88% 的 AI 生成內容成功逃過偵測。

摘要沒有說明 88% 是哪一種工具的結果、是單一工具還是跨工具的彙總，也沒有列出各工具各自的數字；這些細節都在全文，本文不轉述。可以確定的是：在作者的測試中，經混合修改後逃過偵測的比例最多達 88%。

回到第 2 期的問題：如果經過修改就可能大量通過偵測，那麼「通過偵測」並不能說明什麼；而另一頭，理工寫作又受到演算法偏誤（方向見 04 節）。偵測分數在兩個方向上都不能單獨成立。

06｜拿到偵測報告時：投稿、指導、審查三種情境

作者在研究重點（Highlights）中呼籲轉向過程導向評量（process-oriented assessment），並主張偵測工具應在評量體系中擔任參考指標。以下是我們據此延伸的做法，針對醫護研究的投稿、論文指導與審查情境整理。

情境一｜醫護研究者投稿：被質疑時，拿得出來的是分析軌跡

研究論文的核心是數據與分析。資料檔版本、分析語法、輸出報表，以及手稿中每個數字對應到哪一份輸出，這些紀錄能說明結果從何而來；一份文字偵測分數無法說明這件事。
AI 使用依目標期刊規定揭露。No.01 整理過，ICMJE 要求投稿時揭露 AI 輔助技術，並由人類作者為內容負責；揭露與否看規定，不看偵測分數高低。
若編輯轉來偵測疑義，回覆時附上揭露內容與版本紀錄，請編輯依稿件內容與證據判斷，不必就分數本身爭辯。
不為壓低分數而改寫。第 2 期電子報提醒過，AI 潤飾前後至少要並排檢查動詞強度、限定語、數值與引用。

情境二｜指導研究生論文：分數決定要不要多談，不決定結果

學位論文是這項研究中偵測工具表現相對較好的類型，但作者仍判斷不足以支撐高風險評量；而醫護論文的方法與結果段落高度格式化，可能落在理工寫作同一側（推論與偏誤方向見 04 節）。分數偏高時，合理的下一步是約學生談，而不是下結論。
談的內容以研究本身為準：這個統計方法為什麼適合這份資料？表 2 的這個數字是從哪一份輸出來的？限制段寫的這一點，依據是什麼？能把自己的分析講清楚，比任何百分比都更能反映是不是學生自己做的。
在研究計畫書或 IRB 送審階段，就寫明 AI 會用在哪些步驟，並把使用紀錄和資料分析軌跡放在一起保存；事後有疑問時，就有可以對照的依據。

情境三｜期刊或學位審查：把疑慮換成可查證的問題

這項研究的判斷範圍是教育評量；期刊與學位審查情境未在研究中檢驗，但同樣是會影響當事人的高風險判斷（此為推論）。
偵測分數不寫成審查結論。疑慮應換成可以查證的問題：引用的文獻存在嗎、內容對得上嗎？文中數字與表格一致嗎？方法描述足以重現嗎？
給作者說明與提出紀錄的機會；有紀錄，判斷才有對照的基礎。

結語｜偵測分數是提醒，判斷要靠過程與證據

AIGC 偵測工具可以提醒我們：這份作品值得多看一眼。但它在短作業與程式碼上系統性失靈、在理工寫作上有演算法偏誤，經混合修改後最多 88% 的 AI 內容逃過偵測。拿它當證據，等於把判斷交給一個連作者都認為不足以承擔高風險決定的工具。

第 2 期說過：AI 可以進入寫作流程，責任不能一起外包。偵測端也是一樣。

偵測分數可以提醒你多看一眼；要如何下結論，得看過程與證據。

這份研究的限制

研究對象是學生作品（課堂作業、學位論文、工程程式碼），不是期刊投稿稿件；結果能否直接推論到醫學期刊稿件，本研究沒有檢驗。
摘要未說明樣本的語言與學生所在地區；本文未取得全文，無法確認。
偵測工具與生成模型都持續更新，評估結果反映的是研究進行當時的版本。
本文關於這項研究的內容，只依據論文摘要與研究重點；各工具的個別數字、各學科的偏誤方向與幅度、修改策略的細節，請見全文。06 節的做法為匯東華延伸整理，01 節的系列銜接引自本電子報已刊文章。另外，這篇摘要有兩種版本，一版寫 up to 88%，一版只寫 88%；兩種寫法都不超過「最多 88%」，本文一律以「最多 88%」表述。

參考文獻

Sun, Yicheng, Yihan Liao, and Xiaoxue Ma. "Trusting AI to Detect AI? A Systematic Evaluation of the Reliability and Robustness of Current AIGC Detection Tools for Student Academic Work." Computers & Education 249 (2026): 105616. https://doi.org/10.1016/j.compedu.2026.105616
McKie, Anna. "Universities Are Relying on AI-Detection Software to Catch Cheating. How Well Do the Programs Work?" Nature 655, no. 8122 (2026): 535-537. https://doi.org/10.1038/d41586-026-01358-2

系列延伸閱讀

第 2 期本期工具｜Academic Humanizer：把 AI 初稿修回自己的聲音，然後呢？ https://www.medatatw.com/academic-humanizer-tool
研究誠信與 AI 治理 No.01｜AI 生成圖片可以投稿學術期刊嗎？ https://www.medatatw.com/ai-generated-images-evidence
研究誠信與 AI 治理 No.03｜AI 檢查了自己的工作，然後照樣把有問題的結論交出去 https://www.medatatw.com/ai-self-check-not-enough
研究誠信與 AI 治理 No.05｜醫療用 LLM：九類倫理議題自查 https://www.medatatw.com/llm-healthcare-ethics-systematic-review

AI 使用聲明

本文由匯東華統計顧問有限公司　陳秀敏　博士撰稿，Claude Opus 5.5 協助文獻檢索、內容整理與版面排版，最終內容已由作者審閱定稿。Sun 等人論文之作者、標題、期刊、卷號與文章編號以 CrossRef 查證；文中引用之研究內容僅取自論文摘要與研究重點，未取得全文。日期：2026 年 10 月 16 日。