آیا Turnitin میتواند Claude، Gemini و DeepSeek را تشخیص دهد؟
یک طبقهبند که برای واکنش به الگوی آماری آموزش دیده است، لازم نیست یک چتبات مشخص را دیده باشد تا خروجی آن را علامتگذاری کند. در اینجا توضیح داده میشود که چرا این موضوع برای DeepSeek اهمیت دارد، Turnitin خود درباره Claude، Gemini و دیگر مدلها بهطور نامبرده چه چیزی منتشر میکند، و درباره هیچیک از آنها چه چیزی منتشر نمیکند.
برای مثال، یک دانشجو DeepSeek را به جای ChatGPT برای پیشنویس نخست انتخاب میکند، بهویژه چون یک رشتهبحث در انجمن ادعا کرده بود که Turnitin فقط مدلهای OpenAI را تشخیص میدهد. آیا Turnitin میتواند DeepSeek را همانطور که ChatGPT را تشخیص میدهد، شناسایی کند؟ اما صبر کنید: این طبقهبند اساساً برای تشخیص یک برند طراحی نشده بود. توصیف خود Turnitin از فناوریاش میگوید که این طبقهبند هرگز برای تشخیص یک برند ساخته نشده بود، و همین موضوع پرسش را بیش از آنچه بیشتر دانشجویان انتظار دارند تغییر میدهد.
شاخص نگارش هوش مصنوعی بر الگوهای نثرِ تولیدشده توسط ماشین، پیشبینیپذیری واژهها و ریتم جمله آموزش دیده است، همان زمینه آماری که در شرح سایت از چگونگی کارکرد آشکارسازهای هوش مصنوعی به طور کلی پوشش داده میشود. مدلی که به این شیوه آموزش دیده باشد، به این واکنش نشان میدهد که یک متن چگونه خوانده میشود، نه این که سرورهای کدام شرکت آن را تولید کردهاند. این تمایز، بخش اصلی پاسخ به این پرسش است که آیا عوض کردن چتباتها راهی برای دور زدن شناسایی است یا نه.
راهنمای TextPulse درباره این که آیا Turnitin میتواند ChatGPT را شناسایی کند سازوکار آن گزارش را به طور کامل پوشش میدهد: این درصد چه چیزی را میسنجد، چه کسانی آن را میبینند، و بر اساس آزمونهای خود Turnitin دقت آن چقدر است. این نوشته بر یک پرسش تکرارشونده در دل آن پرسش بزرگتر تمرکز میکند: این که آیا انتخاب یک چتبات متفاوت چیزی را تغییر میدهد یا نه.
آیا Turnitin میتواند DeepSeek را شناسایی کند؟ نکته بیاعتنا به مدل
مواد خود Turnitin شناسایی را بر اساس این که یک متن چگونه خوانده میشود صورتبندی میکنند، نه این که کدام شرکت آن را تولید کرده است. این صورتبندی، اساس کامل پرسش از این است که آیا DeepSeek در همان سامانه، به شکلی متفاوت از ChatGPT، Claude یا Gemini برخورد میشود یا نه.
چرا مدلهای آموزشدیده با دستورالعمل به همان شکل آماری همگرا میشوند
هر چتبات مهمی که از 2023 به بعد منتشر شده، به شیوهای کلی مشابه ساخته شده است: نخست برای پیشبینی واژه بعدی در حجم عظیمی از متن آموزش دیده، سپس برای تبدیل آن موتور پیشبینی خام به یک دستیار روان و همکار که به طور مستقیم به یک درخواست پاسخ میدهد، ریزتنظیم شده است. این مرحله دوم جایی است که همگرایی رخ میدهد.
نتیجه این است که GPT، Claude، Gemini، DeepSeek و بیشتر دستیارهای دیگرِ تنظیمشده برای پیروی از دستور، معمولاً نثری تولید میکنند که در قلمرو آماری مشابهی قرار میگیرد: انتخاب واژگانی بهطور پیوسته قابل پیشبینی و حتی آهنگ جملهها. یک طبقهبند که برای تشخیص آن امضای کمperplexity و کمburstiness در خروجی یک مدل آموزش دیده باشد، بنا بر تعریف، به چیزی واکنش نشان میدهد که چندین مدل دیگر نیز تولید میکنند، چه هر یک از آنها در دادههای آموزشی اولیه آن حضور داشته باشند و چه نداشته باشند.
مقاله خود را انسانیسازی کنید
متنِ کمکگرفته از AI خود را دگرگون کنید و کاری کنید طبیعی به نظر برسد، بدون دست زدن به واژههای مهم یا ارجاعها.
Turnitin در واقع درباره پوشش مدل چه میگوید
Turnitin بهصراحت میگوید که این یک انتخاب طراحی عمدی است، نه یک اتفاق ناشی از آزمون. مدل اصلی تشخیص نوشتار AI آن بر پایه GPT-3، GPT-3.5 و گونههای آنها آموزش دیده بود، و مستندات خود Turnitin آشکارا بیان میکند: 'Our technology can also detect other AI writing tools that are based on these models, such as ChatGPT.' این یک ادعای فروشنده درباره نحوه تعمیمیافتن طبقهبند اوست، نه یک نتیجه که بهطور مستقل آزموده شده باشد، و شایسته است دقیقاً به همین صورت خوانده شود.
DeepSeek در آن فهرست دیده نمیشود. فهرست منتشرشده Turnitin از مدلهایی که از آن زمان افزوده است، گسترده است. در زمان نگارش این متن، این فهرست شامل مدلهایی از خانوادههای GPT-4 و GPT-5، خطوط Pro و Flash در Gemini، از جمله جدیدترین نسخههای پیشنمایش آنها، Claude Sonnet-4.5، و LLaMA است.
| مدل | آنچه پوشش منتشرشده خود Turnitin میگوید |
|---|---|
| ChatGPT (GPT-3.5, GPT-4, GPT-4o, GPT-5 series) | بهصراحت نام برده شده است، مجموعه آموزشی اصلی و جانشینان مستقیم آن |
| Claude (Sonnet 4.5) | بهصراحت در فهرست منتشرشده کنونی Turnitin نام برده شده است |
| Gemini (Pro, 2.5 Pro, 2.5 Flash, 3-series previews) | بهصراحت در فهرست منتشرشده کنونی Turnitin نام برده شده است |
| LLaMA | بهصراحت در فهرست منتشرشده کنونی Turnitin نام برده شده است |
| DeepSeek | تا August 2026 در فهرست منتشرشده Turnitin نام برده نشده است. Turnitin نمیگوید DeepSeek مستثنا شده است، فقط میگوید که نام آن بهصراحت ذکر نشده است |
| Any other chatbot built on a listed model | Turnitin میگوید فناوری آن ابزارهای مبتنی بر مدلهایی را که نام میبرد نیز شناسایی میکند |
Turnitin چه چیزهایی را منتشر نمیکند
آنچه از مواد خود Turnitin غایب است، به همان اندازه آنچه در آنها آمده اهمیت دارد. Turnitin برای هر مدلی که نام میبرد، یک رقم دقت جداگانه منتشر نمیکند، یعنی نرخ شناسایی جداگانه برای GPT-4 در برابر Gemini در برابر Claude. چندین سایت یک درصد مشخص را برای شناسایی DeepSeek گزارش میکنند، بیآنکه منبع یا روش قابل مشاهدهای پشت آن عدد باشد.
این شکاف ارزش آن را دارد که همانگونه که هست پذیرفته شود، نه اینکه پر شود. هیچکس بیرون از Turnitin یک آزمون مستقل و از نظر روششناختی شفاف از نشانگر نگارش هوش مصنوعی آن منتشر نکرده است که بر اساس مدل منبع تفکیک شده باشد، و DeepSeek نیز شامل میشود، بنابراین هر عدد مشخصی که به نرخ شناسایی یک مدل نسبت داده شود باید تا زمانی که یک منبع اولیه واقعاً آن را بیان کند، تأییدنشده تلقی شود.
ساختن یک مقایسه منصفانه مستلزم گردآوری یک نمونه بزرگ و بهروز از نوشتار هر مدل، تأیید این است که هیچ بخشی از آن به دادههای آموزشی خود Turnitin نشت نکرده است، و اجرای همه آن از طریق همان آشکارساز، تحت همان شرایط و در همان زمان است. فروشندگان هر چند ماه یکبار مدلهای خود را بهروزرسانی میکنند، بنابراین مقایسهای که حتی یک سال پیش منتشر شده باشد، ممکن است اکنون درباره چتباتهایی سخن بگوید که دیگر به شکلی که آزموده شدهاند وجود ندارند. این یک معیار روششناختی واقعی است، نه بهانه، و به همین دلیل این متن بهجای مجموعهای از درصدهای تشخیص که هیچکس واقعاً اندازهگیری نکرده است، آنچه Turnitin درباره پوشش خود میگوید گزارش میکند.
آیا عوض کردن چتباتها واقعاً کمک میکند؟
بر اساس شواهدی که خود Turnitin منتشر میکند، نه. یک طبقهبند که برای واکنش به الگوی آماری، نه نام یک برند، ساخته شده است، هیچ دلیل آشکاری ندارد که خروجی روان و قابل پیشبینی DeepSeek را متفاوت از ChatGPT تلقی کند، و زبان خود Turnitin درباره شناسایی ابزارهای «بر پایه این مدلها» نیز همین را نشان میدهد. انتخاب یک چتبات نامشخص بر این فرض که نبودن در یک فهرست به معنای مصونیت است، حدسی است که به شکل یک راهبرد آراسته شده است.
برای جنبه عملی تکالیف درسی، humanizing an AI essay for college جداگانه توضیح داده شده است. متقاضیان با نسخه دیگری از همین نگرانی روبهرو هستند، و whether college admissions check for AI صفحه جداگانه خود را دارد.
اقدام قابلاعتمادتر نه در این است که کدام چتبات پیشنویس نخست را تولید کرده، بلکه در آن چیزی است که پس از آن بر سر آن میآید. یک free burstiness checker همان یکنواختی ریتم جمله را نشان میدهد که یک طبقهبند به آن واکنش نشان میدهد، صرفنظر از اینکه نام کدام مدل در بالای پنجره گفتوگو که از آن آمده است قرار دارد. AI humanizer for students از TextPulse بر همان لایه آماری کار میکند، و ریتم و ساختار جمله را بازسازی میکند، نه اینکه بر یک شکاف در فهرست منتشرشده یک فروشنده شرط ببندد. اینکه کدام چتبات پیشنویس نخست را نوشته است، بسیار کماهمیتتر از این است که آیا نسخهای که شما تحویل میدهید واقعاً طوری خوانده میشود که گویی خودتان آن را نوشتهاید.
سؤالات متداول
Turnitin در فهرست منتشرشده و فعلیِ مدلهایی که تشخیص میدهد، هیچ جا از DeepSeek نام نمیبرد، هرچند همچنین نمیگوید DeepSeek مستثنا است. آیا Turnitin میتواند DeepSeek را در عمل تشخیص دهد؟ طبقهبند آن برای واکنش به الگوی آماری در نثر طراحی شده است، نه به نام یک برند، و مستندات خود آن تشخیص ابزارهایی را توصیف میکند که بر پایه مدلهایی ساخته شدهاند که نامشان را میآورد، و این ادعایی گستردهتر از خود فهرست نامها بهتنهایی است.
PhD in natural language processing, with years spent building NLP applications end to end. Moe works on text analysis: lexical and syntactic structure, and what separates machine-generated prose from human prose statistically. He has been experimenting with computational linguistics since the early days of NLTK, spaCy and WordNet, and still writes most of his tooling in Python.
