证明“人写的”，不能只看一张 AI 检测分数

核心判断

新闻业不应把作者身份变成一次文本风格检测。更可信的方向是组合证据：披露工具参与、保存采访与版本历史、必要时使用签名和来源凭证，并让编辑基于完整流程而不是一个百分比作出判断。

检测器给的是概率，不是对单篇文章的鉴定结论

AI 文本检测器通过句式、词汇和风格特征估计一段文字由模型生成的可能性。它们在大样本上可能帮助机构观察整体趋势，但当结果被用于指控一名记者、拒绝一篇稿件或终止工作时，少量误报就会造成严重后果。语言习惯也会随模型、人类编辑和写作文化不断变化。

路透研究所文章介绍的一项对抗测试专门生成五百八十八段容易骗过检测器的 AI 文本，结果有百分之八十六被误判为人写。这个数字来自针对弱点设计的测试，不能代表日常准确率，却清楚说明：一项工具在普通基准上表现良好，不等于它能在高风险个案中给出确定答案。

“人类创作认证”把责任转向声明，但仍依赖规则和信任

ProudlyHuman 等项目尝试反向证明作品由人创作：作者核验身份、声明生成式 AI 使用不超过最低限度，系统再结合多种检测和人工复核决定是否授予标识。这种做法避免了公开指控的语气，也让作者主动承担声明责任。

它的限制同样明显。不同认证机构采用不同阈值和规则，标识可能让受众困惑；检测器的概率问题并没有消失；认证前后的文件还需要比对。认证可以成为一项证据，却不能替代编辑部对采访、来源、原创性和质量的判断。

来源凭证记录文件经历，但仍然不检测真相

C2PA Content Credentials 把创作者、设备、生成或编辑动作等声明写入与数字资产绑定的可验证记录；Originator Profile 则更强调网站发布者身份与文章完整性。这类方法不根据写作风格猜测作者，而是保存内容从生成到发布的过程信号。

密码学签名证明的是声明由谁签署、文件是否被改动。它不能证明画面所说的地点正确，也不能阻止真实旧图被配上错误文字。C2PA 规范明确避免给来源数据作好坏判断；最终信任仍需要人结合语境和其他证据作决定。

编辑部更需要“过程证据”，而不是一项万能检测

如果编辑怀疑稿件过度依赖生成式 AI，更合理的调查路径是查看采访记录、来源文件、文档版本、历史写作变化和工具使用说明，并与作者交谈；检测器只能作为其中一条线索。对所有稿件建立一致的过程记录，也比只在怀疑某个人时临时检测更公平。

机构政策应定义哪些 AI 使用被允许、何时需要披露、哪些原始材料必须保存、谁能查看记录以及判断错误如何申诉。作者身份不是一个二元标签，而是一组关于报道、写作、编辑和工具参与程度的事实。把这组事实保留下来，才是新闻业可执行的信任标准。

方法提要

AI 检测分数是概率线索，不能单独承担对个人的高风险判断。

自愿认证和数字来源凭证各提供一部分证据，也各有采用与解释限制。

采访记录、来源、版本历史、工具披露和申诉机制共同构成更可靠的作者身份判断。