将 ChatGPT 草稿编辑为可提交的手稿

一份草稿在九十秒内从 ChatGPT 返回，读起来已经足够顺畅，以至于最自然的做法是从第一句开始向前润色。两小时后，耗时最长的那一段被删掉了，因为支撑它的那个论断最终发现并没有任何依据。你编辑的顺序，决定了你会浪费掉多少这类工作。

在研究语境中，如何编辑 ChatGPT 输出可以分为四轮，顺序依据的是错误在之后修正时有多昂贵, 先处理论断和证据，其次是结构，再次是句子节奏，最后是词汇。每一轮都假定前一轮已经不再移动。若按其他顺序进行，你最好的注意力就会花在那些撑不过一周的句子上。

分四轮编辑 ChatGPT 输出

修改并不具有同等程度的破坏性。移动一个段落，意味着要重写你已经理顺的所有衔接。第三轮修订中新增一句话，会重置你在第二轮中平衡好的段落节奏。删除一条没有来源的论断，会摧毁你花二十分钟调校的那句话。之所以存在这样的顺序，是因为我们希望从破坏性最大的改动开始，逐步过渡到破坏性最小的改动，并让每一轮修改都保持完整。

轮次	你在修正什么	为什么放在这里
一：论断和证据	每一句事实性陈述是否真实，且能追溯到你已经打开的来源	一条你马上就要删除的句子，不值得先去润色
二：结构	各部分的顺序是否承载你的论证，而不是仅仅罗列主题	在逐句编辑之后再移动段落，意味着要把每个衔接重新编辑一遍
三：句子节奏	段落内部是否保持一致的句长和重复的从句形式	在第一轮和第二轮中的每一次插入，都会重置段落的节奏
四：词汇	不承载任何信息的套话动词和抽象表达	这是最便宜的修改，也是最小的杠杆，所以放在最后

第一轮：将每一条论断与一个你已经打开的来源核对

先通读草稿一遍，不打算改进写作。在这一遍中，你只标记那些断言事实的句子, 也就是数字、机制、研究发现、对该领域当前看法的主张。其他内容都可以稍后再处理，而顺手去修一个笨拙的短语，正是把二十分钟的工作悄悄拖成整个下午的原因。

给每个被标记的句子加上三种标记中的一种。第一种标记, 我已经读过原文并且可以引用它。第二种标记, 我知道这是真的，需要去找到来源。第三种标记, 模型断言了这一点，但我不知道它从哪里来的。带有第三种标记的句子应当删除，而不是改写。这是这里最难遵守的一条指令，因为这类句子通常也是页面上最流畅的句子。

模型草稿把主张归于某个不特定的人，而措辞会暴露这一点。Recent studies suggest, researchers have found, it is widely accepted, 这些都是当某个主张背后没有具体论文支撑时，它所呈现的形态。每一种情况，要么是你还没有添加的真实引文，要么就是下面空无一物的句子，而判断方法就是试着说出那篇论文的名字。如果可以，就把它写进句子里。如果不可以，这个句子就删掉。

模型提供的参考文献在进入你的参考文献表之前，都需要先与数据库核对，因为即使没有对应论文存在，也可以拼出一个看似合理的作者、年份和期刊。An AI citation checker 可以一次性解析整份列表中的标识符，这比手动逐个搜索每个标题更快，也比在导师批注的页边空白中才发现问题快得多。在引用草稿交给你的任何内容之前，先做这一步。

第二遍, 围绕你的论点重建结构

结构排在第二位，因为在你已经完成逐句润色之后再把一个段落移到别处，意味着要重新编辑它的所有衔接处。在这一轮中，你要决定哪些内容放在哪里，哪些内容要完全删去，而且应当预期草稿会变短。一个模型根据提示词生成了一个看起来完整的文档，这与一个为论证单一观点而构建的文档是不同的对象。

只按顺序阅读每个段落的第一句，除此之外什么都不要看。它应当读起来像一篇论证, 也就是, 我们要求了什么, 我们如何考察, 我们发现了什么, 这意味着什么。生成草稿在这一测试中唯一具体的失败方式，是读起来像一串主题列表，而不是一条推理线索, 模型是在逐段补全提示词中的段落，却没有任何可供服务的中心论点。

第二个结构性缺陷是不均衡的篇幅分配。模型会给每个子主题大致相同的篇幅，因为提示词中没有任何内容告诉它哪一部分更重要。真正的手稿则是失衡的。你真正拥有的发现，真正造成影响的局限，真正中途改动的方法, 这些内容应当比背景占用更多空间，而背景通常会在这一轮中失去三分之一的长度。顺便把每个部分末尾那句重复该部分内容的句子删掉。刚读过它的读者不会得到任何新信息，而生成草稿几乎每次都会产出这样一句。

第三轮, 在内容停止移动后修正节奏

只有在内容已经稳定之后，才值得修正句子节奏，因为上面两轮中的每一次插入都会重置它。你要寻找的是一组在长度和结构上相近的句子。连续四句长度几乎完全相同，朗读时会显得平板，而一段文字中句子长度一致，则是细致读者和统计分类器都会识别出的结构特征。

修订是机械性的。大声读出该段，标出任何两句或三句读起来效果相同的连续句，然后把其中一句拆开，或用一个真正起作用的逗号把两句合并。长句必须通过承载一个复杂性、一个条件或一个结果来证明其长度的合理性，而这些内容短句往往必须说两次。关于这些操作的完整示例，包括修改前后并排对照，见如何使 AI 文本更具人性化指南。

要抵制相反的诱惑。填充句除了打乱节奏之外别无作用，读者在两个段落内就能识别出来。变化必须来自内容在不同时刻要表达的分量不同，这也正是一个真正的研究段落一开始就会显得不均衡的原因。

第四遍, 词汇, 最后且最小

词汇放在最后，因为这是最便宜的修改，也是最小的杠杆，而先做它只会带来进展的感觉，却没有实质内容。生成的草稿依赖一小组高频学术动词和抽象名词，而一个每学期批改一百篇论文的读者已经见过它们全部。facilitate, underscore, pivotal, robust, myriad 和 showcase 是研究草稿中常见的可疑词。

用句子真正需要的那个常规动词替换它，并用信息测试来决定: showed, measured, doubled 和 failed 都会向读者传达 facilitate 所不能传达的信息。免费的 AI 词汇清理器能在几秒内捕捉到大多数常规词汇，这也是在这一步上应当花费的时间。过度修正才是这一遍的真正风险，因为一份被过度去机械化的草稿读起来像是在做同义词词典练习，而导师发现这一点的速度比任何软件都快。

四遍修改会给你留下什么

一份你能够为之辩护的稿件，是那种你可以指着任何一句话并说明它来自哪里的稿件。这才是真正的交付成果，而上面的每一轮处理都是朝这个目标迈进的一步, 第一轮为每一项主张提供来源，第二轮为论证赋予结构，第三轮和第四轮则使结果达到期刊或评分者所期望的可读性水平。

AI 写作分数通常会在这些轮次中下降，而无人刻意追求这一点，因为每一轮都会移除分数所依据的某些内容, 无来源的泛化主张、均匀的章节权重、统一的句长、套话式词汇。把分数本身当作目标，会使工作方向颠倒。Turnitin 自己的指导对这一数字的局限性说得很直接，指出其模型“may not always be accurate (it may misidentify human-written, AI-generated, and AI-paraphrased text), so it should not be used as the sole basis for adverse actions against a student.”

先补充一点关于工具的背景，然后回到稿件本身。An AI humanizer 可以比人工更快地对长文档完成第三轮处理，并且它报告的是根据文本计算出的估计 Human Score，而不是任何具名检测器给出的判定。它根本无法完成第一轮处理，因为它在写作发生时并不在场，也无从知道你的哪些主张背后有来源支撑。

草稿的来源是否需要在稿件中说明，是一个独立的问题，而且它有明确答案，这取决于你的机构或目标期刊，而不是取决于文本在编辑后保留了多少。关于how to disclose AI use in a paper 的说明，涵盖了大多数政策所期望的表述方式，以及它应放在文档中的位置。

如果眼前的问题是报告上的一个数字，lowering an AI score 已在单独页面中讨论。Whether the tools built to do that actually work 是一个合理的前置问题，而且它也有自己的答案。

这四个步骤也可视为一种预算。如果在截止日期前只有一个晚上的时间，就把它花在前两个步骤上，让一些句子保持略显别扭。一个与可辩护的发现相连的别扭句子，能够经受住答辩。一个与任何内容都无关的漂亮句子则不能。