用 AI 写了一篇 3000 多字的文章，中间掺了一点人工修改（大概几百字），然后拿去给几个检测工具测，结果基本都不太行。

只要稍微调整一下风格，比如句子长短不均、加点口语表达、偶尔写得没那么通顺，检测结果就会明显偏向人类写作。

AI 说了 2 种方案

1：基于语言统计特征。 比如：困惑度（ perplexity ）；句式重复率；用词分布；连接词密度

只要让模型“写得更口语一点”，再手动改几段，这些统计特征基本就被打散了。

2：embedding + 风格一致性。 比如用 Sentence-BERT 把文章切段，算段落之间的相似度。

如果控制了写作风格（比如统一语气），这个特征也会失效。

AI 检测感觉就是“伪命题”。有没有人做过类似的东西，或者踩过坑的？