AI文本检测器在风格模仿下失灵，科学写作漏检率最高达48%

Epoch AI研究团队测试了Pangram 3.3.2、GPTZero（model 2026-05-11-base）和Originality.ai Turbo 3.0.2三款主流AI文本检测器。他们构建了包含495段人类文本（博客、小说、科学写作）的语料库，所有文本均写于ChatGPT发布前。在简单提示生成的AI文本检测中，三款检测器近乎完美，假阴性率最高仅0.7%。但当使用Claude Opus 4.8、GPT-5.5和Gemini 3.1 Pro模仿特定作者风格生成文本时，平均13%（38/297）的AI文本未被检测到，其中Originality.ai漏检率最高达18%。 科学写作是最薄弱环节：Pangram漏检25%，GPTZero漏检24%，Originality.ai漏检29%。最差组合出现在Gemini生成的学术段落中，Pangram漏检率达48%；GPT-5.5学术文本在Originality.ai上漏检率达39%。尽管三种检测器采用不同方法（Pangram用神经网络，GPTZero基于词汇可预测性，Originality.ai搜索统计模式），但均呈现相同趋势。 对于使用AI检测工具的教育者和出版商，这一发现意味着简单提示检测的高准确性不可轻信——在学术场景中，多达五分之一的AI写作可能逃过检测。尤其是依赖这些工具维护学术诚信的大学和期刊，必须重新评估其可靠性，因为科学写作正是检测器实际应用最广泛的领域。