Epoch AI測試三大AI文本檢測器:模仿人類文風后最高近三成內容漏檢

Epoch AI最新研究顯示，主流AI文本檢測器能夠幾乎完美識別普通AI生成內容，但當大語言模型刻意模仿特定作者寫作風格時，檢測準確率明顯下降，科學寫作成爲最難識別的場景。

研究團隊測試了Pangram（3.3.2）、GPTZero(2026-05-11-base)和Originality.ai(Turbo3.0.2)三款主流AI文本檢測器，並構建包含495篇人類原創文本的測試集，覆蓋博客、小說和科學寫作三類內容，所有樣本均創作於ChatGPT於2022年11月發佈之前，以避免訓練數據污染。

測試結果顯示，對於普通AI生成文本，三款檢測器漏檢率最高僅0.7%;在人類文本識別方面，Pangram和GPTZero未出現誤報，而Originality.ai誤將19篇人類文本判定爲AI生成，誤報率爲3.8%。

研究進一步讓Claude Opus4.8、GPT-5.5和Gemini3.1Pro學習作者提供的5篇真實作品，並按相同文風生成新內容。在297篇風格模仿文本中，平均約13%未被檢測器識別，其中Pangram漏檢率爲10%，GPTZero爲11%，Originality.ai達到18%。

科學寫作成爲檢測器表現最弱的領域。Pangram、GPTZero和Originality.ai對學術風格AI文本的漏檢率分別達到25%、24%和29%。個別模型組合表現更差，例如Pangram漏檢了48%由Gemini生成的學術文本，Originality.ai則漏檢了39%由GPT-5.5生成的學術內容。

儘管三款檢測器採用神經網絡、文本可預測性分析和統計模式識別等不同技術路線，但均暴露出相似短板。研究表明，隨着大模型越來越擅長模擬人類寫作風格，現有AI文本檢測技術在教育、科研等依賴學術寫作真實性的場景中，仍面臨較大的識別挑戰。