AI 检测器仍然依赖困惑度和突发性吗？

搜索今天 GPTZero 如何检测 AI 写作时，返回的大多数内容仍然围绕两个统计量展开，即 perplexity 和 burstiness，这一对指标使该工具在 2023 年 1 月推出后的数周内便声名大噪。GPTZero 自己的支持文档现在说法不同, 它在同年秋季停止使用这两者。

那么，burstiness 现在仍被 AI 检测器使用吗？并非被那个让这一术语在学术界家喻户晓的工具所使用。GPTZero 的支持中心明确表示，它不再使用 perplexity 或 burstiness，而是改用了深度学习架构。Turnitin, 也就是大多数学生实际接触到的工具，从一开始就从未将这两个术语作为其方法的一部分公开过。这些概念并没有从讨论中消失。它们只是从真正执行检测的产品中消失了。

Burstiness 现在仍被 AI 检测器使用吗？

没有，GPTZero 不使用，且并未以该名称使用。GPTZero 自己的支持文档直接说明了这一点, "截至 2023 年秋季，GPTZero 由于迁移到基于深度学习的架构，已不再将 perplexity 和 burstiness 用于其 AI 检测。" Turnitin 自己的指南则描述了另一种方法，它围绕对提交内容的分块进行评分，并由训练好的分类器完成，而这些文档中同样完全没有出现这两个术语。定义第一波 AI 检测的这两个统计量，并不是当前领先工具实际运行的内容。说它们被弃用，比说它们被丢弃更准确, GPTZero 自己的说明仍将它们列为输入其模型的七个指标之一。它们停止作为方法，但并未停止作为测量，而这两种说法之间的差异，正是这个问题最关键的部分。

2023 年秋季发生了什么变化

这两个术语从来都不晦涩。GPTZero 自己早期的说明将 perplexity 定义为“衡量 AI 模型会有多大可能选择与文档中完全相同的一组词语的指标”，将 burstiness 定义为“衡量写作模式和文本 perplexities 在整个文档中变化幅度的指标”，这是文档层面的统计量，而不是简单的句子长度计数。这两个定义至今仍发布在 GPTZero 的网站上。变化的是，检测器实际运行的是其中哪一个。

“迁移到基于深度学习的架构”是一个具体主张，不是营销措辞，它描述的是一种真实的性质变化。perplexity 分数是直接由公式计算出来的, 方法是将文本输入一个参考语言模型，取对数概率的平均值，再对结果取指数。相反，深度学习分类器是经过训练得到的，它会向模型展示大量人类和 AI 写作的示例，直到它自行学会在该训练数据中区分这两堆文本的任意特征组合。第二种方法中，没有人手工写出规则。模型自己找出来。

这两个已退役的术语在本网站的其他地方都有完整说明: perplexity 实际衡量什么 和 burstiness 实际衡量什么 都深入介绍了各自的机制，包括背后的公式。本文只聚焦于，如今检测器运行的是否仍然是其中任何一个。

GPTZero 和 Turnitin 今天实际记录了什么

当前的 GPTZero 技术页面，它描述了产品中实际提供的内容，写道公司采用“端到端的深度学习方法，使用来自网络、教育领域以及由不同 LLMs 生成的文本数据集进行训练”，其中“一个逐句分类模型确定文本由 AI 创建的概率和置信度”。perplexity 和 burstiness 在该页面上完全没有出现，既不是组成部分，也不是遗留功能，脚注中也没有。

Turnitin 的文档从一开始就不是围绕这两个术语构建的。其指南描述的是将一次提交拆分为若干个每个几百词的片段，每个片段由一个经过训练的模型评分，然后将这些片段分数平均，得到报告中显示的单一百分比。这是一个在文本片段上运行的监督式分类器，属于 GPTZero 已经转向的同一类方法，而不是一种以不同名称出现的困惑度计算，也不是一种以不同名称出现的突发性计算。

这种转变最容易通过并列比较看出来。

	早期说明材料所描述的内容（2023）	当前文档所描述的内容
GPTZero	困惑度和突发性，依据参考模型进行评分	逐句的深度学习分类器，输出概率和置信度分数
Turnitin	从未公开发布，这些术语在 Turnitin 的任何材料中都从未出现过	每个几百词的片段由一个经过训练的分类器评分，再平均为一个百分比

为什么这些概念仍然能够解释可检测性

这并不意味着困惑度和突发性是错误的，只是它们作为对当前机制的描述已经过时了。这两个概念一直都在描述真实存在的东西, 文本如果是通过对模型自身最高概率的后续词进行采样生成的，往往会比人从头写出的文本在逐词层面更可预测, 它在相邻句子之间的变化也往往更小。底层规律并没有因为供应商改变了检测器的架构而改变。改变的是检测器寻找这种规律的方式。

训练好的分类器并没有被明确要求去寻找困惑度或突发性。相反，它是在与这两个统计量旨在捕捉的相同基本区分上进行训练的，也就是人类文本与机器文本之间的区分。而且，一个被训练来区分这两堆文本的分类器，不太可能不会同样把注意力放在恰恰是这种规律性上，也就是两者之间最可靠的差异之一。这是关于分类器为何可能有效的一种推断，不是关于其已发表特征列表的断言，这两者应当分开看待。

独立研究支持这样一种观点，即底层统计量即使在任何单一供应商的产品之外，仍然具有作用。DetectGPT 是一项发表于 2023 年的学术零样本方法，它考察的是困惑度的一个近亲，也就是模型的对数概率函数围绕一段文本时曲线的陡峭程度，并在一个基准上取得了 0.95 AUROC，而此前最好的零样本基线为 0.81，而且完全没有在带标签样本上训练分类器。其核心思想是，机器生成文本位于模型自身概率空间中一个在统计上不同的区域，这仍然是活跃的研究方向。它只是并不是 GPTZero 向用户提供的内容。

为什么互联网上的这么多内容仍然把这件事弄错

关于 AI 检测如何工作的已发表解释，大多写于 GPTZero 在 2023 年 1 月发布期间或之后不久，当时困惑度和突发性是公司自己提供的唯一公开表述。那些最初的说明页面今天仍然在线。2023 年秋季的退役通知放在单独的支持页面上，而不是并入这些页面，因此，一个只读了第一页就停止继续查证的作者，没有理由知道这种方法在不到一年后发生了变化。

一篇在 2026 年流传的第三方检测器评测声称，GPTZero 仍然把困惑度和 burstiness 作为更大系统中的多个层级之一来运行。该说法与 GPTZero 自己当前的技术页面以及其支持文档直接冲突，而且 GPTZero 自己的网站上没有任何内容能够证实它。描述自身已发布产品的公司陈述，仍然比关于同一产品的未经证实的第三方说法更有分量，尽管供应商文档也可能出错。本文依据 GPTZero 自己的页面，而不是重复旧说法的那篇评测。

这对你的写作意味着什么

围绕 burstiness 建立的实用建议，并不会仅仅因为这个词从 GPTZero 自己的材料中消失了就变得无用。刻意变化句子长度，机械地说，仍然是在避免同一种统计上的一致性，而分类器很可能正是被训练来注意这种一致性的，不论它在内部把这种信号称为什么。支撑这一建议的底层逻辑在供应商的架构变更之后仍然成立，尽管描述它的词汇已经不再相同。

这一切都不需要你相信任何人的说法，包括本文的说法。TextPulse 的 免费困惑度检查器 和更广泛的 免费工具集合，可以让你在任何检测器，或者说无论哪一代检测器，真正介入之前，先查看你的草稿处于什么位置。

如果结果把你带回自己的写作，那么接下来的实际步骤就是 有意识地提高 burstiness，以及 在学术段落中变化句子长度，这只是不用该指标来表述的同一项工作。

检测器运行的机制会不断变化，GPTZero 已经改变过一次。保持不变的是实际问题，本文网站的 AI 检测器实际如何工作的指南 已完整讨论这一点, 即可预测的写作是否与机器写作是同一回事，不论在某一年里哪一种公式恰好流行。