⚠️ 免责声明

最后更新：2026-08-09

1. 检测结果说明

• AI 生成内容检测：基于 BERT 语义模型（MIRAGE + DeepSeek 对抗样本）与学术适配器段落级分析，存在误报可能。根据内部测试（97 篇中文学术文本），误报率约 1%，不应作为判断学术不端的唯一依据。
• 相似度检测：基于 TF-IDF 算法计算文本内部相似度，反映的是自行重复和段落间相似性，不等同于专业查重，不具备与外部论文库比对的查重能力。
• 图像取证：基于像素级分析检测可能的图像篡改痕迹，包括拼接、复制-移动、亮度异常等。检测到异常 不等于确认造假，需结合实际情况人工判断。
• 数字取证：基于 Benford 定律、Grubbs 检验等统计学方法检测数据异常。统计数据异常与学术造假无必然因果关系。
• 内容质量评估：基于 LLM 的主观评分，受提示词设计和模型能力限制，不代表同行评议意见。当 LLM 服务异常导致部分或全部维度未完成时，报告中会明确标注"降级/暂缺"，该模块可能不计入总分。

2. 不构成的内容

本平台明确声明，其输出的内容 不构成：

• 学术不端鉴定结论
• 论文发表/拒稿建议
• 学位授予/撤销依据
• 职称评审参考
• 科研诚信调查证据
• 法律诉讼证据

3. 局限性

• 模型偏差：AI 检测模型在特定领域的准确率可能显著不同。例如，计算机科学/AI 主题的人类论文被误判为 AI 的概率较高。
• 语言偏差：训练数据以英文为主，中文文本的检测准确率可能低于英文。
• 时效性：随着 AI 生成技术快速迭代，检测效果可能逐步下降，需持续校准。
• 对抗规避：有意图的文本改写、人机混合写作可显著降低检测可靠性。
• 样本限制：校准测试仅基于 20 篇样本（每领域 4 篇），大规模生产环境下的实际表现可能有偏差。

4. 用户须知

• 使用本服务即表示您已阅读、理解并同意本免责声明。
• 您应结合专业判断和人工审核使用检测结果，不应将检测分数作为唯一决策依据。
• 对于因依赖本服务输出而做出的任何决策导致的损失，本平台不承担任何责任。
• 如果您是期刊编辑或审稿人，请勿仅凭本服务的报告做出拒稿或要求修改的决定。

5. 第三方服务

• 本服务依赖第三方 AI 服务（如 DeepSeek API）进行内容分析和检测。第三方服务的可用性、准确性和数据安全不受本平台控制。
• 上传至第三方的文本片段仅用于即时的 AI 分析，不用于模型训练（根据 DeepSeek API 服务条款）。

← 返回首页