大学招生会检查 AI 吗？

大学招生会检查 AI 吗？Common App 自己的欺诈政策在阅读任何一篇申请文书之前，已经部分回答了这个问题。自 2023 年以来，其对申请欺诈的定义已明确将“人工智能平台、技术或算法的实质性内容或输出”与抄袭并列，而且每位申请者在提交前都要就该定义作出认证。招生办公室之间的共同点并不是共享某种检测工具，而是共享一种预期，即方框中的文书应由申请者本人撰写，而不是由系统生成后再稍作编辑。

UCAS 在英国一侧也进行类似检查。每位申请者都声明，其个人陈述并非从其他来源复制或提供，包括生成式 AI。UCAS Verification Team 会对所有申请运行相似性检测系统，专门查找这一点。有些学校甚至比任一平台的基本要求走得更远。例如，Brown University 自己的申请说明明确表示，除拼写和语法审查这一项已点名的例外外，任何情况下都不允许在申请内容中使用 AI。有些学校则根本没有就此发布任何内容。这与某所学校悄悄决定 AI 可以接受是不同的。

大学招生会检查 AI 吗？Common App 实际上怎么说

Common App 的欺诈政策对欺诈的界定足够宽泛，足以涵盖不止逐字复制。其关于“人工智能平台、技术或算法的实质性内容或输出”的条款，抓住的不仅是未作修改直接粘贴的聊天机器人草稿，也包括经过改写、删减或重组的草稿，因为标准在于实质性内容是否源自申请者本人，而不在于最终句子层面的措辞是否恰好与聊天机器人的输出完全一致。每位申请者在通过该平台提交时，都会签署包含这一条款的认证。真正重要的问题不是某所具体学校是否碰巧会检查，而是申请在签署时是否真实，因为申请者已经同意使用该表格。

Brown 是一个有用的例子，正因为它的规定几乎不给解释留下空间。AI 辅助只允许用于检查拼写和语法，也就是基础校对工具所涵盖的那种狭窄用途，除此之外一概不行。这是在 Common App 的一般标准之上叠加的一层更严格、已公布的要求，而不是一个单独的问题。这里面没有任何内容会经过学生在提到这个话题时最常想到的工具：Turnitin 是否可以检测 ChatGPT，这是一个关于课程作业的问题，作业是在入学后、学习管理系统内被扫描的，而招生审阅发生得更早，针对的是另一份文件，适用的规则也完全不同。

UCAS 对个人陈述的要求

UCAS 也与 Common App 采取了类似的界线，只是表述不同。使用 ChatGPT 之类的工具生成个人陈述，或其中很大一部分，并将其作为原创内容提交，可能会被视为作弊，并可能使申请人失去录取通知，或者导致已获得的录取通知被撤回。使用 AI 来获取关于应包含哪些内容、段落如何组织，或者如何提高句子可读性的想法，则是另一回事，UCAS 自己的指导也将这类使用视为可接受。UCAS 所划出的区分，与 Common App 通过不同条款所划出的区分很接近, 辅助可以，替代不行。

这种区分并不只是没有实际约束力的建议。UCAS Verification Team 会对欺诈性申请以及个人陈述之间的相似模式进行核查，一旦其系统标记某份陈述，申请中列出的大学或学院可以直接收到通知。被标记本身并不会自动终结申请。但这确实意味着，这份陈述会被那些每个周期都要看成千上万份此类材料的人再读一遍，而且是以更怀疑的态度来读，他们在读到第二段之前就知道模板化答案是什么样子。

招生办公室完全没有表态的地方

在两个大型申请平台和少数几所学校，如 Brown 之外，大多数单独的招生办公室都没有发布任何关于申请文书中 AI 的具体说明。这种沉默值得仔细解读。一所学校如果没有专门针对 AI 的条款，并不一定意味着它已经认定 AI 是可接受的。其一般性的申请诚信表述，也就是已经涵盖抄袭和虚构活动清单的那种措辞，早于生成式 AI 出现，但仍然适用于它，无论是否有单独一句话直接说明这一点。这个空缺与一个值得理解的模式相吻合，见大学更广泛地如何处理 AI 政策：一般性的机构规则和具体的课程或院系规则，往往处于不同的细化层级，而更具体的规则通常具有优先约束力。

为什么真正的检验不是检测器

招生审阅者并不是要对个人陈述运行分类器。他们试图回答的问题要更有针对性，也更困难, 即, “这是否听起来像某一个具体的人，做了某一件具体的事，并且以足够不可重复的细节加以描述，以至于没有别人能够写出这一段原文？” 即使没有任何人借助检测工具阅读，生成的散文也很可能达不到这一目标。它试图保持笼统，而不是具体, 是学到的一课，而不是学到它的那个确切时刻, 是对医学的兴趣，而不是促成这种兴趣的那个具体患者接触经历。人类读者很快就能看出这种差别，而且看得很清楚，甚至在屏幕上出现百分比之前就已经如此。

招生官在一个录取周期内要阅读数千篇这样的文书，这正是为什么泛泛而谈的版本会显得格外突出，而不是融入其中。一个句子如果任何具有相同成绩和相同拟申请专业的申请人都可能写出来，那么它比一个动词选择奇怪或结构不寻常的句子更能暴露问题。在这种语境下，具体性不是一种文体偏好。它是文书被评判的全部基础，与扫描器会不会标记它无关。

在申请中使用 AI 而不越界

UCAS 和 Brown 都视为可接受的用法，指向一种可行的模式, 即用 AI 处理结构、缩小题目范围、发现拼写错误，而由人来写出真正描述发生了什么以及为什么重要的句子。用聊天机器人起草整段文字，再用不同措辞改写，起点仍然是本不属于申请人的内容，这正是这里审查的每一项政策所划出的界线。一个免费论文检查器是在提交按钮之前，发现某段文字已经滑向泛泛而谈、任何人都能用的申请措辞的合理方式，不论那段文字最初是如何写成的。

临床项目适用所有学科中最严格的规则，护理学校中的 AI 检测对此另作处理。其背后的原则在一篇关于学术诚信与 AI的文章中有说明。

这一切其实都不是关于在任一平台上智胜筛查系统。TextPulse 的面向学生的 AI humanizer会根据草稿自身的统计形态报告一个估算的 Human Score，这对个人陈述来说也是一种真正有用的校对检查，因为分类器会反应的那种通用措辞，往往也正是疲倦的招生审阅者一眼掠过的内容。更持久的做法是那种不需要任何政策明说的做法, 写出只有你本人这段具体经历才会有的那个细节，而今年其他任何申请者都不可能代你写出。