一句话看懂：Epoch AI 的最新研究显示，当 AI 模型被要求模仿特定作者的写作风格时，主流的 AI 文本检测器（如 Pangram、GPTZero 和 Originality.ai）的漏检率会从接近 0% 骤升至平均 13%。其中科学写作领域的漏检率最高，在 24% 至 29% 之间，这直接威胁到学术界和教育场景中 AI 检测工具的可信度。
事件核心：发生了什么
研究团队构建了一个包含 495 段人类文本的语料库，涵盖博客、小说和科学写作三类文体，所有文本均来自 ChatGPT 发布（2022 年 11 月）之前的作品，以确保没有经 AI 模型“污染”。他们测试了三款最常用的 AI 文本检测器：Pangram (v3.3.2)、GPTZero (2026-05-11-base) 和 Originality.ai (Turbo 3.0.2)。在直接使用简单提示生成的 AI 文本检测中，三款检测器表现几乎完美，假阴性率最高仅为 0.7%。但当使用 Claude Opus 4.8、GPT-5.5 和 Gemini 3.1 Pro 等前沿模型，参考每位作者的 5 段真实文本进行风格模仿生成新文本时，情况出现逆转。在 297 段模仿文本中，平均有 38 段未被检测器识别（漏检率约 13%）。具体而言，Pangram 漏检 10%，GPTZero 漏检 11%，Originality.ai 漏检 18%。在科学写作子类别中，Pangram、GPTZero 和 Originality.ai 的漏检率分别达到 25%、24% 和 29%。极端情况下，Pangram 对 Gemini 生成的学术文本漏检率高达 48%，Originality.ai 对 GPT-5.5 生成的学术文本漏检率达 39%。值得注意的是，Originality.ai 在识别人类文本时还出现了 3.8% 的假阳性率（将人类文本误判为 AI 生成）。
为什么重要
这项研究揭示了当前 AI 文本检测技术的一个关键盲区：检测器在面对简单提示生成的“典型”AI 文本时表现优异，但在面对刻意模仿人类风格的“进阶”AI 文本时表现急剧下降。科学写作作为 AI 检测最可能被广泛使用的场景（如论文审稿、学术诚信检查），恰恰是检测器表现最差的领域。这表明，依赖现有检测工具来判断文本是否由 AI 生成，尤其是在学术和教育场景中，可能产生严重误导。Epoch AI 的研究还填补了此前类似测试（如 Authors Guild 测试）的另一面视角：低误报率并不等同于低漏检率，检测器对风格模仿文本的脆弱性是普遍存在的。
对用户/开发者/创作者的影响
对教育机构和学术审查者：当前无法仅依赖检测工具来判断学生论文或投稿是否由 AI 生成，尤其是在 AI 模型被要求模仿作者个人风格的情况下。建议结合多轮人工核查和文本溯源手段，避免误判。对普通用户和内容创作者：如果你使用 AI 辅助写作并精心调整 prompt 以模仿自己的风格，被主流检测器准确标记的概率可能在 10% 至 30% 之间，具体取决于文体和使用的模型。这为正当使用 AI 进行写作协助的用户提供了更宽松的误判空间，但也意味着恶意使用 AI 模仿他人风格进行学术不端或内容造假的风险增加。对 AI 检测工具开发者：目前公开信息显示，现有检测方法（如 Pangram 的神经网络黑盒、GPTZero 的预测性变异度分析、Originality.ai 的统计模式匹配）在面对风格模仿时存在结构性缺陷，需要开发新的检测维度，例如追踪语言模型在风格模仿中仍无法完全隐藏的“微模式”或上下文一致性特征。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，检测工具是否会针对风格模仿场景进行专项优化，例如加入针对特定作者 Reference 文本的比对分析。第二，前沿模型（如 GPT-5.5、Gemini 3.1 Pro）在风格模仿任务上表现出的语义保持能力是否会进一步进化，导致检测难度持续上升。第三，教育和学术出版领域是否会出现新的行业标准或政策要求，规定 AI 使用的披露方式，而非仅依赖事后检测。
