Мінімальна кількість слів для AI Detector: скільки слів потрібні Turnitin, GPTZero та іншим

Мінімальна кількість слів для AI detector залежить від інструмента. Деякі інструменти, такі як Turnitin, потребують щонайменше 300 слів придатної прози, але інші, такі як ZeroGPT, рекомендують писати щонайменше 150 до 200 слів, щоб отримати послідовний результат. Незалежно від того, чи показує ваш detector результат для тексту, що має менше кількох сотень слів, ваш результат є менш надійним.

Деякі все ще надають відсоток для кожного абзацу, і для коротких текстів оцінки, як правило, є менш точними. Дослідники з TextPulse Research перевірили це на 25,561 парах академічних текстів, написаних людиною, та їхніх AI переробок. На 300 словах вони налаштували класифікатор так, щоб він виявляв 95% AI переробок. Він також позначив 33.9% людських текстів. На 25 словах він позначив 67.6%.

Скільки слів потрібно для AI detection?

AI detection потребує кількох сотень слів, щоб бути надійним, тобто давати стабільний результат. Надійність найшвидше знижується нижче приблизно 100 слів. Більшість надійності було встановлено в дослідженні TextPulse приблизно на рівні 150 слів. Після цього точність зростала повільніше, з 84.0% на 150 словах до 86.8% на 300 словах.

Інші дослідження вказують на подібні порогові значення. Огляд 2025 року в Journal of Artificial Intelligence Research, на який посилається стаття TextPulse, зводить докупи наведені досі показники. Статистичні та донавчені класифікатори потребують порядку 100 слів, щоб працювати точно. Кілька стандартних detector потребують приблизно 120 слів, щоб досягти повної продуктивності, а виявлення найсильніших моделей потребує близько 200 слів.

Коли detector бачить більше токенів, тобто частин слів, з якими працює мовна модель, стає легше відрізнити людський текст від AI тексту. Коли detector бачив лише кілька токенів у короткій відповіді, немає багато доказів на користь будь-якого з висновків. Perplexity, burstiness та інші залучені показники пояснено в посібнику про те, як працюють AI detector.

Мінімальна кількість слів для AI detector за інструментами: Turnitin, GPTZero та інші

Кожен постачальник встановлює власний мінімум або рекомендацію, і не всі вони використовують одну й ту саму одиницю. Turnitin рахує слова придатної прози. Інші постачальники рекомендують довжину або описують, як змінюється точність у міру того, як текст стає довшим.

Detector	Що постачальник заявляє про довжину тексту
Turnitin	Щонайменше 300 слів придатної для аналізу прози перед тим, як генерується AI score, що було підвищено з попереднього мінімуму у 150 слів, оскільки точність зростає зі збільшенням обсягу тексту
GPTZero	Точність поліпшується, коли подається більше тексту. Цілі документи класифікуються точніше, ніж абзаци, а абзаци точніше, ніж окремі речення
ZeroGPT	Для стабільного результату рекомендовано щонайменше 150 до 200 слів, а 500 до 1,000 слів або більше ще більше підвищують надійність. Дуже короткі або сильно відредаговані фрагменти "carry fewer signals"
Pangram	Найкраще працює на довшому тексті, написаному повними реченнями. Компанія радить не перевіряти короткі марковані списки або дуже формалізований текст
Sapling	Його опубліковані показники виявлення та хибнопозитивних результатів застосовуються до довших текстів. Коротші тексти "may have different accuracy rates"

Це нижня межа, з якою стикається більшість студентів, оскільки Turnitin є вбудованим детектором у багатьох університетських навчальних платформах. Нижче 300 слів придатної для аналізу прози в AI writing report оцінка не надається. Про сегмент, що отримує оцінку нижче цієї межі, та про зірочку, яку Turnitin відображає для оцінок нижче 20%, йдеться в посібнику про як Turnitin detects AI.

Відсоток на екрані не означає, що текст відповідав рекомендованій інструментом довжині, оскільки багато споживчих перевірок оцінюють навіть один абзац. У 2023 році AI text classifier від OpenAI потребував щонайменше 1,000 символів вхідних даних. OpenAI заявила, що він був дуже ненадійним на коротких текстах, і через шість місяців його вилучили через низький рівень точності.

Точність AI detector залежно від довжини тексту: що показало дослідження TextPulse

Робоча стаття TextPulse про довжину тексту та надійність виявлення AI розглядає лише довжину, відокремлену від усіх інших характеристик текстів. Набір даних містить 25,561 пару текстів, у яких і людський текст, і його AI-переписування мають щонайменше 300 слів. Кожен текст було скорочено до 25, 50, 100, 150, 200, 250 і 300 слів. Для кожної довжини тексту класифікатор було навчено і протестовано.

Ті самі тексти з'являються на кожній довжині, тобто тема, дисципліна і модель AI залишаються сталими. Переписування походять із восьми різних комбінацій моделей AI у межах шести родин моделей. Класифікатор оцінює 45 стильових ознак, таких як довжина слова і різноманітність словника. Це дослідницький інструмент, стаття не робить жодних тверджень про те, як комерційні детектори можуть використовувати ці ознаки або пороги. Дивіться посібник про те, чи є детектори AI точними, щоб ознайомитися з тестами комерційних інструментів.

Довжина тексту	Точність	Людські тексти, які хибно позначаються, коли виявляють 95% AI-переписувань	AI-переписування, які виявляються, коли хибно позначають 1% людських текстів
25 words	73.9%	67.6%	17.2%
50 words	78.2%	58.8%	28.0%
100 words	82.3%	49.4%	40.5%
150 words	84.0%	44.1%	47.9%
200 words	85.2%	40.1%	50.5%
250 words	86.1%	36.7%	54.2%
300 words	86.8%	33.9%	56.5%
Full text	88.4%	28.6%	60.6%

Для виявлення AI точність на короткому тексті є гіршою в кожному стовпці таблиці, а стовпець точності занижує втрату. Придатний для використання вердикт потребує оцінки поблизу будь-якого кінця шкали, а коротші тексти зміщують як людські, так і AI оцінки до середини. За порога, встановленого так, щоб виявляти 95% AI переписувань, класифікатор хибно позначає приблизно половину людських текстів на 100 словах. За порога, встановленого так, щоб позначати лише 1% людських текстів, він виявляє 17.2% AI переписувань на 25 словах.

AUC, головна міра статті того, наскільки добре класифікатор розрізняє дві групи, зросла з 0.817 на 25 словах до 0.940 на 300 словах. На повних текстах, які в середньому мали 466 слів з людського боку, вона досягла 0.950. Найкрутіша частина цього зростання припала на діапазон нижче 100 слів, і кожен крок після 150 слів додавав менше.

Чому хибнопозитивні результати на короткому тексті зростають

Детектор, побудований на довгих документах, має значно вищу частоту хибнопозитивних результатів на коротких. У статті було представлено класифікатор, який навчали на текстах повної довжини і використовували за типовим порогом для класифікації коротких текстів. Частота хибнопозитивних результатів системи для людських текстів коливалася від 16.1% на 300 словах до 39.1% на 100 словах і 69.8% на 25 словах.

Його виявлення AI переписувань майже не змінювалося в тому самому діапазоні, від 88.4% на 300 словах до 92.4% на 25 словах. Додаткові помилки були хибними позначеннями людського письма. У статті класифікатор на коротких вхідних даних описано як такий, що систематично має упередження на користь віднесення їх до AI.

Причина є механічною. Співвідношення типів до токенів, частка різних слів у тексті, зростає, коли текст стає коротшим, тому що короткий зразок дає менше можливостей повторити слово. У дослідженні людські тексти в середньому мали співвідношення 0.47 на повній довжині та 0.87 на 25 словах. AI переписування повної довжини в середньому мали 0.55.

Цей класифікатор, навчений на повнотекстових матеріалах, покаже, що співвідношення близько 0.55 розділяє AI та людське письмо. Кожен текст на 25 слів, незалежно від того, хто його написав, значно перевищує це співвідношення і зміщується в бік AI. У статті зазначено, що розгорнутий детектор не перенавчається щоразу, коли ви змінюєте довжину вхідного тексту. Посібник до опублікованого рівня хибнопозитивних спрацьовувань Turnitin пояснює, що саме входить до цієї цифри, а що ні.

Чому короткі тексти важко класифікувати

Короткі тексти дають детектору менше всього, що він вимірює. Менша кількість слів означає менше токенів для порівняння, а менша кількість речень означає менше ритму для вимірювання. У дослідженні текст на 25 слів у середньому мав 1.6 речення, текст на 50 слів, 2.7 речення, а текст на 300 слів, 13.4 речення.

Варіація довжини речень, яку часто називають burstiness, залежить від порівняння речень між собою. У дослідженні вона розрізняла людські та AI тексти на 0.71 стандартного відхилення для повних текстів і на 0.31 для 100 слів. На 50 словах різниця фактично дорівнювала нулю. Детектор, який спирається на burstiness, потребує кількох речень, щоб надійно її виміряти.

На рівні слів зберігається більше цієї здатності. Середня довжина слова і частка довгих слів зберігали приблизно дві третини своєї розрізнювальної здатності на 25 словах. Але також зросло перекриття: на 50 словах оцінки для обох груп, як правило, збираються до центру. Значна частка кожної групи опиняється в зоні перекриття.

Цитовані або шаблонні формулювання також мають більшу вагу в короткому тексті. Відповідь на 50 слів має приблизно три речення, тож кожне речення становить приблизно третину того, що бачить детектор. Цитоване визначення в одному з них має набагато більшу вагу, ніж те саме речення в есе на 2,000 слів.

Дописи на дискусійних форумах, анотації, іспити з короткими відповідями та супровідні листи

Дописи на дискусійних дошках

Допис, написаний для вимоги у 200 слів, нижчий за мінімум Turnitin у 300 слів, тому Turnitin не надає йому AI score. Інші інструменти все одно можуть його оцінити. На 200 словах класифікатор у дослідженні помилково позначив 40.1% людських текстів, коли його налаштували на виявлення 95% AI переписувань, порівняно з 28.6% на повних текстах.

Анотації

Абстракт журнальної статті обсягом 250 слів уже близький до нижньої межі, а абстракти є щільним, формальним письмом. Раніше дослідження TextPulse показало, що людські тексти, які класифікатор помилково класифікує, є найформальнішими. Стаття про довжину додає довжину тексту як другу, окрему причину хибних позначок, і короткий, формальний абстракт підпадає під обидві. Якщо абстракт викликає сумнів, перевірка повного тексту дає детектору ту довжину, яку рекомендує його постачальник.

Екзамени з короткими відповідями

Відповіді обсягом від 50 до 100 слів потрапляють у діапазон, де показники дослідження найшвидше знижуються. На 50 словах класифікатор, налаштований виявляти 95% переписаних AI текстів, хибно позначив 58.8% людських текстів. У статті зроблено висновок, що нижче 50 слів жоден практичний поріг не дає придатних результатів. Також зазначено, що відмова від винесення вердикту щодо короткого тексту є надійнішою, ніж його оцінювання.

Супровідні листи

Супровідний лист на одну сторінку для роботи або подання до журналу має кілька сотень слів, і значна його частина побудована на усталених формулюваннях. Pangram радить не перевіряти дуже формалізований текст. Якщо супровідний лист перевіряють, слід розглядати будь-який показник як оцінку з широким діапазоном похибки.

Що робити, коли ваш текст нижче нижньої межі

Залиште текст таким, як ви його написали, і натомість подайте контекст до показника. Ці кроки стосуються і автора, і особи, яка переглядає показник.

1. Не роздувайте текст. Додаткові слова, написані для досягнення нижньої межі, змінюють твір, який вас попросили написати, і тоді показник описує роздуту версію.
2. За можливості перевіряйте весь документ. Повне есе або розділ дає детектору рекомендовану довжину, а короткий фрагмент оцінюється як частина довшого тексту.
3. Перегляньте подання речень. Детектори, які оцінюють речення, показують, які рядки зумовлюють результат, а в короткому тексті це часто одне або два речення, наприклад цитоване визначення.
4. Зберігайте чернетки та історію версій. Вони показують, як розвивався текст, а показник на короткому уривку цього показати не може.
5. З’ясуйте, як буде використано показник. Результат для тексту, що не досягає власної рекомендованої довжини постачальника, є слабким сигналом, і рецензент має зважувати його саме так.

Для співробітників обговорення в статті вказує на просте правило: вимагати більше тексту або не надавати жодного висновку нижче встановленої довжини. Поріг Turnitin у 300 слів є саме таким правилом. Після того як існує повний звіт, посібник до що таке хороший результат Turnitin пояснює, як його інтерпретувати.

Як TextPulse обробляє короткий текст

TextPulse не використовує AI detector і не продає сканування detector. TextPulse відображає Human Score (0 to 100) після кожної humanization. Цей бал є оцінкою, зробленою в межах застосунку на основі глибини переписування, різноманітності словника, розподілу токенів і варіації довжини речень вашого тексту. Для обчислення цього бала не використовувався жоден detector.

AI Humanizer потребує щонайменше 50 слів на одну humanization, і він обробляє до 500 слів за один прохід у Pro та 1,000 у Plus. Document Humanizer може працювати з цілим англомовним файлом .docx обсягом до 15,000 слів. Йому потрібно щонайменше 50 слів основного тексту, і він зберігає заголовки, списки, таблиці, підписи та посилання так, як вони написані. Обидва інструменти призначені для зниження AI score у чернетках, де ваш курс або журнал дозволяє використання AI.

Перед тим як вставляти ваш текст у detector, перевірте його довжину за допомогою безкоштовного Word Counter. Цей інструмент рахує слова, символи з пробілами і без пробілів, речення та унікальні слова, тож ви можете порівняти текст із порогом, зазначеним в одній із цих одиниць. Усі відомості про дослідження довжини, зокрема бали для кожного тексту та код аналізу, відкрито доступні на Zenodo, а дослідницький центр перелічує це дослідження разом з іншими роботами TextPulse.