Skills / humanize chinese

humanize chinese

免费本地 AI 文本去痕迹工具 | Chinese AI text detection & humanization. N-gram perplexity analysis, 20+ detection patterns, academic AIGC reduction (知网/维普/万方), 7 style transforms. Zero dependencies, runs locally.

★ 255by @voidborne-d27d agoNOASSERTIONGitHub →

Installation

Compatibility

Claude CodeGemini

Description

🔧 中文 AI 文本去痕迹工具

免费、本地运行、零依赖、零 LLM。检测 + 改写一步到位。

30 秒看效果

./humanize rewrite text.txt -o clean.txt --compare

💼 工作汇报体（166 字）

改写前 🔴 96/100 VERY HIGH：

随着业务的不断发展，本季度团队在多个层面取得了显著进展。值得注意的是，通过深度优化业务流程，我们不仅全方位提升了工作效率，更进一步赋能了公司核心战略，充分体现了多维度协同的价值。

首先，技术团队聚焦核心系统的稳定性建设，持续推动业务长效发展。其次，产品团队基于用户洞察，打造了更具竞争力的解决方案。综上所述，团队凝聚力得到进一步增强，为下一季度的发展奠定了坚实基础。

改写后 🟢 31/100 MEDIUM（降 65 分）：

现在，本季度团队在多个层面做到了可观进展，同时也进一步支持了公司核心战略，充分体现了多个方面协同的价值。注意，通过深度优化业务流程，我们多方面提升了工作效率。成效不小。

技术团队聚焦核心系统的稳定性建设。持续推动业务长效发展。说到底，团队凝聚力得到深入增强，为下一季度的发展奠定了坚实基础，另外，产品团队基于用户洞察，打造了更具竞争力的解决方案。颇有看点。

零注册、零付费、零联网、零 LLM、零 API Key —— 本地几秒到几十秒跑完。

更多样本（学术 / 通用 / 小红书 / 长篇博客）见下方「改写前后对比」。

改写前后对比

🎓 学术论文（98 → 42，降 56 分）

改写前 🔴 98分：

随着信息技术的不断发展，人工智能在教育领域的应用正在日益深化，呈现出多维度、全方位的发展态势。本研究旨在探讨人工智能技术在个性化学习中的应用机制及其效果，具有重要的理论意义和实践价值。

值得注意的是，近年来人工智能赋能教育已成为学界关注的焦点。研究表明，智能化系统通过深度融合大数据分析与机器学习算法，能够全方位地评估学生学习状况，从而实现真正意义上的因材施教。不难发现，这种新型教学模式正在推动教育生态的深度变革。

综上所述，随着技术的不断发展，人工智能必将在教育领域发挥越来越重要的作用，为构建高质量教育体系提供有力支撑。由此可见，深入研究该领域具有广阔的发展前景。

改写后 🟡 42分：

现在，人工智能在教育领域的应用正在日益深化，呈现出各个层面、多方面的发展态势。本研究旨在探讨人工智能技术在个性化学习中的应用机制及其效果，具有重要的理论意义和实践价值。

注意，这几年人工智能促进教育现在是学界关注的焦点。从已有研究来看，智能化系统通过融入大数据解读与机器学习算法，能够各维度地评估学生学习状况，这样一来实现真正意义上的因材施教，可以看到，这种新型教学模式，正在推动教育体系的深度变革。前景看好。

说到底，眼下，人工智能必将在教育领域发挥日渐主要的作用，为构建高质量教育系统呈上有力支撑。看得出，深入探究该领域，享有广阔的发展前景。

💬 通用文本（98 → 38，降 60 分）

改写前 🔴 98分：

综上所述，人工智能技术在教育领域具有重要的应用价值和广阔的发展前景。值得注意的是，随着技术的不断发展，AI 将在个性化学习、智能评估和自适应教学等方面发挥越来越重要的作用。

首先，人工智能能够助力教师进行精准教学。通过大数据分析和深度学习算法，AI 系统可以全方位地了解每个学生的学习特点，从而实现真正意义上的因材施教。

改写后 🟡 38分：

总之，人工智能技术在教育领域，具有重要的应用价值和广阔的发展前景。注意，近来，AI 将在个性化学习、智能评估和自适应教学等方面发挥日渐重要的作用。

人工智能能够促进教师进行精准教学。凭借大数据解读和深度学习算法，AI 系统可以多方面地了解每个学生的学习特点，这样一来实现真正意义上的因材施教。

老实说，智能评估系统亦可各个层面地评判学习者的综合素质，不仅关注知识掌握程度，更注重功底的培养和素质的提升，还有，自适应学习平台能够根据学生的实时表现动态调整学习路径，为每位学习者呈上个性化的学习体验。空间不小。

🌸 社交媒体 → 小红书风格（95 → 14，降 81 分）

改写前 🔴 95分：

在当今快节奏的生活中，时间管理对于每个人来说都具有至关重要的意义。值得注意的是，通过合理规划和科学管理时间，不仅能够显著提升工作效率，更能够实现工作与生活的完美平衡，从而全方位提升整体生活质量。

首先，制定明确的目标是时间管理的基础。一个清晰的目标能够赋能我们的日常决策，帮助我们更好地分配时间和精力。

改写后 🟢 14分：

绝了绝了🧸！分享一个～

其实，在当今快节奏的生活中，时间管理对于每个人来说都具有至关重要的意义，注意，凭借合理规划和科学管理时间💖。

不仅能够可观提升工作效率，更能够实现工作与生活的完美平衡，因而多方面提升整体生活质量🍃！制定明确的目标，是时间管理的基础。

一个清晰的目标能够促进我们的日常决策，帮助我们更太好了地分配时间和精力，避免在不重要的事情上浪费宝贵的时间资源💫。

很明显，那些在时间管理上取得上佳成效的人，无一例外都拥有清晰的目标体系！势头不错💖。

📝 长篇博客（1364 字, 86 → 42，降 44 分）

改写前 🔴 86分（节选）：

从程序员转产品经理，第一年学到的三件事

在技术领域工作多年后，我决定从程序员转型为产品经理。这一决定基于对自身职业发展的深思熟虑以及对产品创造的热情。在过去的一年里，我经历了从编写代码到推动整个产品发展的巨大转变……

一、沟通能力的重要性

程序员通常专注于技术细节和实现方式，他们与计算机打交道的时间往往多于与人交流。然而，作为产品经理，沟通能力成为我的一项核心技能……

案例：在一个项目中，我们需要开发一款新的移动应用。在项目初期，我意识到开发团队和设计团队在理解需求上有分歧……

改写后 🟡 42分（节选）：

从程序员转产品经理，第一年学到的三件事

在技术领域工作多年后，我决定从程序员转型为产品经理。这一决定基于对自身职业发展的深思熟虑以及对产品创造的热情，在过去的一年里，我经历了从编写代码到推动整个产品发展的巨大转变。以下是我第一年里最重要的三件事。以及一些具体案例和反思。在这个过程中，我学到了许多宝贵的经验，潜力不小。

一、沟通能力的重要性

程序员通常专注于技术细节和实现方式。他们与计算机打交道的时间往往多于与人交流。在这个角色中，我需要与开发团队、设计师、市场营销团队以及客户进行频繁的交流。

然而，作为产品经理，沟通功底成为我的一项核心技能，对我来说，约莫，这意味着我必须调整自己的沟通风格，以便在不同的背景下有效传达信息。颇有看点。

完整长文本及输出请见 examples/sample_long_blog.txt。

所有示例都在 examples/ 目录，可直接复现。

📚 技术基础（参考论文）

本项目的检测算法不是拍脑袋设的，每一条特征都对应一篇 paper 或研究发现：

| 技术 | 来源论文 / 数据集 | 作用 | |---|---|---| | HC3-Chinese 校准 | Hello-SimpleAI/chatgpt-comparison-detection | 12,853 对人类/ChatGPT 真实问答，所有阈值在此数据集 300+300 样本上校准 | | DivEye 惊奇度 | Basani & Chen, TMLR 2026 | 字符级 surprisal 时间序列的 skew/kurtosis/spectral flatness | | GLTR rank 分桶 | Gehrmann et al., ACL 2019 | AI 倾向选 top-10 概率字，人类更分散 | | Fast-DetectGPT | Bao et al., ICLR 2024 | 局部曲率：AI 文本在模型预测下曲率低 | | Binoculars | Hans et al., ICML 2024 | 两个模型 perplexity 比值区分 AI / 人类 | | MPU (AIGC_detector_zhv2) | Tian et al., ICLR 2024 | 中文 AIGC detector 的 PU learning 范式 | | Ghostbuster 多尺度 ngram | Verma et al., NAACL 2024 | 多个 weak LM 的 log-prob 特征组合 | | Chinese AIGC 深度学习检测 | AIMS 2025 | 中文 AI 文本的句长方差、标点密度等特征 | | psycholinguistic 差异 | arxiv 2505.01800 | 人类写作的具体名词/命名实体密度更高 | | Stumbling Blocks taxonomy | Wang et al., ACL 2024 | AI 检测攻击面地图 | | CNKI 三链路情报 | linggantext 技术博客 | 知网 AIGC 3.0 官方「语言模式/语义逻辑/知识增强」三链路 | | CiLin 同义词词林 | 哈工大 LTP 同义词词林扩展版 | 38,873 词的同义词映射，--cilin 可选启用 |

非商业使用免费，任何用户都可以复现所有数值。

安装

# 方式一：ClawHub
clawhub install humanize-chinese

# 方式二：Git Clone
git clone https://github.com/voidborne-d/humanize-chinese.git

# 方式三：Claude Code Skill
npx skills add https://github.com/voidborne-d/humanize-chinese.git

不需要 pip install 任何东西。下载就能用。

Claude Code

4 个 slash command，复制到 .claude/commands/ 即可：

git clone https://github.com/voidborne-d/humanize-chinese.git
cp humanize-chinese/claude-code/*.md YOUR_PROJECT/.claude/commands/

然后在 Claude Code 里：

/detect 综上所述，人工智能技术在教育领域具有重要的应用价值...
/humanize 本文旨在探讨人工智能对高等教育教学模式的影响...
/academic 论文.txt
/style xiaohongshu 在当今快节奏的生活中...

| 命令 | 功能 | |------|------| | /detect | AI 痕迹检测，0-100 评分 | | /humanize | 去 AI 味改写 | | /academic | 学术论文 AIGC 降重 | | /style [风格] | 风格转换（7 种） |

快速上手

统一 CLI（推荐）

./humanize --list
./humanize detect 论文.txt                       # 检测
./humanize academic 论文.txt -o 改后.txt --compare # 学术降重
./humanize rewrite text.txt --quick -o clean.txt  # 通用改写（极速）
./humanize style text.txt --style xiaohongshu     # 风格转换
./humanize compare text.txt -a                    # 前后对比
./humanize <sub> --help                           # 子命令帮助

底层依然是各 scripts/*_cn.py 独立脚本，./humanize 只是分发器，直接调用旧脚本也完全 OK。

🎓 学术论文降 AIGC 率

./humanize academic 论文.txt                      # 只检测
./humanize academic 论文.txt -o 改后.txt --compare  # 改写 + 对比
./humanize academic 论文.txt -o 改后.txt --quick    # 快速模式（跳过统计，~18× 速度）
./humanize academic 论文.txt -o 改后.txt -a --compare  # 激进模式

🔍 通用文本去 AI 味

./humanize detect text.txt -v           # 检测（详细）
./humanize rewrite text.txt -o clean.txt # 改写
./humanize rewrite text.txt --quick      # 纯替换，极快
./humanize compare text.txt -a           # 对比

📚 长篇小说 / 博客（--scene novel / --scene auto）

默认 detector 用 HC3 短问答校准，对 GPT-4o/Claude/Gemini 写的长篇小说、长博客会系统性欠估。两种修正方式：

python scripts/detect_cn.py 章节.txt --scene novel     # 显式：小说/长博客/散文/长新闻
python scripts/detect_cn.py 稿件.txt --scene auto      # 按长度自动选（≥1500 中文字符走长篇 LR）
python scripts/detect_cn.py 短问答.txt                 # 默认 scene（短问答/通用）
python scripts/detect_cn.py 论文.txt --scene academic  # 学术论文（显式 opt-in）

长篇 LR 专训在 170 条 AI 长文本（5 家 LLM × 5 类：小说/学术/新闻/博客/评论）+ 170 条人类长文本（v3ucn 小说 + CNewSum 新闻 + 博客）上，holdout 89.7%。

实测对照（3 篇 Gemini-2.5-flash 新写小说章节，约 2800-3200 字）：

| 模式 | 样本1 | 样本2 | 样本3 | 均值 | |------|-------|-------|-------|------| | 默认 scene（HC3 校准） | 52 | 38 | 70 | 53 | | --scene novel / auto | 63 | 57 | 82 | 67 |

默认模式对现代 LLM 的长篇创作欠估 ~15 分，切 --scene novel 或 --scene auto 可修正。混合长度输入推荐 --scene auto —— 短文本仍走 general，长文本走长篇 LR。

🎨 风格转换

./humanize style text.txt --style xiaohongshu   # 小红书
./humanize style text.txt --style zhihu         # 知乎
./humanize style text.txt --style weibo         # 微博
./humanize style chapter.txt --style novel      # 小说/长篇叙事

8 种风格：口语化 / 知乎 / 小红书 / 公众号 / 学术 / 文艺 / 微博 / 小说

--style novel 专为长篇叙事设计：humanize 后剔除 AI 写小说时常混入的元说明（"我将按照您的要求创作..."、"故事梗概"、"本次写作"）+ markdown 章节头 (## ###) + 大纲 bullet (- 关键点：) + 分隔线，保段落不加 emoji/hashtag。处理长篇章节、博客时观感更干净。

风格转换会先自动跑一遍 humanize，去掉 AI 高频词，再套风格。--no-humanize 关闭。

功能一览

| 功能 | 说明 | |------|------| | 🔍 AI 检测 | 20+ 规则维度 + 三路 LR 分场景校准（general / academic / novel），0-100 评分 | | 📈 统计层 | 字符级 trigram 困惑度 + DivEye 惊奇度 + GLTR rank 分桶 + 句长 burstiness + 标点密度 | | ✏️ 智能改写 | 困惑度引导选词 + 低频 bigram 注入 + 短句插入 + 句长随机化 + 40 paraphrase 模板 + 144 条短语替换 + 三档自适应强度 + 多段 \n\n 段落保留（长篇章节不丢结构）| | 🎓 学术降重 | 10 维度检测（含扩散度）+ 126 条学术替换 + 独立 picker 策略，针对知网/维普/万方 | | 🎨 风格转换 | 8 种中文写作风格（知乎/小红书/微博/公众号/学术/文艺/口语化/小说） | | 📊 前后对比 | 学术分 + 通用分双评分，改写效果一目了然 | | 🔄 可复现 | --seed 保证相同输入相同输出 | | ⚡ 速度 | 10k 字符 --quick 模式 0.3 秒，完整模式 5 秒 | | 📦 零依赖 | 纯 Python 标准库，下载即用。可选 CiLin 词林（--cilin，38873 词 + 语义过滤） | | 📐 基准测试 | HC3-Chinese 12853 对人类/AI 真实问答回归测试（200 样本 fused 模式 95.5% 正确率）|

🎓 学生党必看

用 ChatGPT / DeepSeek 写了论文初稿？三步搞定：

# 1. 看看 AIGC 率多高
python scripts/academic_cn.py 论文.txt

# 2. 一键改写
python scripts/academic_cn.py 论文.txt -o 改后.txt --compare

# 3. 不够就开激进模式
python scripts/academic_cn.py 论文.txt -o 改后.txt -a --compare

工具做了什么：

"本文旨在" → "本研究聚焦于"
"被广泛应用" → "得到较多运用"
打破每段一样长的结构
加入"可能""在一定程度上"等学术犹豫语
"研究表明" → "笔者认为""前人研究发现"
基于 HC3-Chinese Cohen's d 校准的统计特征，学术词表禁用口语候选（不会把"应用"改成"施用"）

⚠️ 改完通读一遍，确认专业术语没被误改、引用格式正确。建议用知网 AMLC 或维普验证。

评分标准

| 分数 | 等级 | 含义 | |------|------|------| | 0-24 | 🟢 LOW | 基本像人写的 | | 25-49 | 🟡 MEDIUM | 有些 AI 痕迹 | | 50-74 | 🟠 HIGH | 大概率 AI 生成 | | 75-100 | 🔴 VERY HIGH | 几乎确定是 AI |

技术原理

规则层（看词）

三段式套路、机械连接词、空洞宏大词、AI 高频词、模板句式、段落结构均匀度。规则都在 scripts/patterns_cn.json，可以自己改。

统计层（看分布）

所有阈值都基于 HC3-Chinese 300+300 人类-AI 对照样本的 Cohen's d 校准，不是拍脑袋设的。

1. 句长 burstiness (最强信号) — AI 中文爱写 15-25 字等长句，人类长短交错。灵感来自 AIMS 2025 中文深度学习 AIGC 检测 paper + 知网语言模式链情报。

句长变异系数 CV (HC3 Cohen's d = 1.22 — 人类 0.52 vs AI 0.32)
短句占比 (< 10 字的句子比例，HC3 Cohen's d = 1.21 — 人类 25% vs AI 2.6%)

2. 困惑度 (Perplexity) — 字符序列的平均负对数概率（d = 0.47）。基于 scripts/ngram_freq_cn.json 训练语料的字符级 3-gram。

3. GLTR rank 分桶 (Gehrmann et al. ACL 2019)

top-10 bucket 占比（AI 更集中在高概率字，d = 0.44）

4. DivEye surprisal 时间序列 (Basani & Chen TMLR 2026)

skew（d = 0.41）、excess_kurt（d = 0.29）、spectral_flatness（d = 0.20）

5. 逗号密度 — 有趣发现：AIMS 2025 paper 说「AI 标点密」但 HC3 实测相反。Q&A corpus 里人类写 casual 文本用更多 commas（4.82/百字 vs AI 3.82/百字，d = -0.47）。加了 low_comma_density 指标。

所有 statistical indicators 总分上限 25，和规则层（上限 75）加成最终 0-100。

智能改写

Picker 策略：每次替换从多候选中选「困惑度次高」的（最高的常是古语/错字，次高才是自然人类选择）。学术场景额外禁用 30 个口语候选 + 37 个 AI 触发词候选。

三档自适应强度：

score < 5：conservative — 仅短语替换 + 标点清理
5 ≤ score < 25：moderate — +restructure + bigram
score ≥ 25：full — 全量（含噪声注入 + 句长随机化）

避免对已经够干净的文本乱加噪音反而更像 AI。

其他技术：

低频 bigram 注入（把 "系统" × 6 的重复 60% 换成 "架构""体系""框架"）
句长随机化（避免每句差不多长，但保留"X指出，Y"等 attribution 结构）
段落感知（每一步按 \n\n 分段处理，不丢段落结构）
可选 CiLin 同义词词林扩展（--cilin，38,873 词 JSON）

CLI 参数速查

统一 CLI 形式（推荐）：

./humanize detect   [file] [-v] [-s] [-j]
./humanize rewrite  [file] [-o out] [--scene S] [--style S] [-a] [--seed N] [--quick] [--cilin] [--best-of-n N] [--score-mode lr|fused|lr+rule]
./humanize academic [file] [-o out] [--detect-only] [-a] [--compare] [--quick]
./humanize style    [file] --style S [-o out] [--no-humanize]
./humanize compare  [file] [-o out] [--scene S] [-a]
./humanize doctor

等价的独立脚本形式：

python scripts/detect_cn.py [file] ...
python scripts/humanize_cn.py [file] ...
python scripts/academic_cn.py [file] ...
python scripts/style_cn.py [file] --style S ...
python scripts/compare_cn.py [file] ...
python scripts/check_assets.py

| 参数 | 说明 | |------|------| | -v | 详细模式，显示最可疑的句子 | | -s | 只输出评分 | | -j | JSON 输出 | | -o | 输出文件 | | -a | 激进模式 | | --seed N | 固定随机种子 | | --quick | 纯替换 + 结构还原，跳过统计优化（~18× 速度） | | --no-stats | 关闭统计优化 | | --no-noise | 关闭噪声注入和句长随机化 | | --cilin | 开启 CiLin 同义词扩展（humanize） | | --best-of-n N | 跑 N 个候选取 LR 最低（默认 20，0 关闭，N 倍延迟） | | --debug-best-of-n | 打印每候选的 scene LR / 主要贡献到 stderr | | --score-mode | best-of-n 排序：lr（默认 scene-aware）/ fused / lr+rule | | --secondary-weight | secondary signal 权重（默认 0.2，0 关闭） | | --compare | 改写前后双评分对比（academic） | | --no-humanize | style 转换前不先去 AI 词 |

数据资产状态

fresh clone 可以离线运行，不会自动联网下载数据。但 3 份本地高阶 ngram 频率表不入库：

scripts/ngram_freq_cn_human.json：启用 Binoculars-like bino_lp_diff，也影响 best-of-n secondary signal。
scripts/ngram_freq_cn_wiki.json：启用 wiki_vs_human / wiki_vs_primary LR 特征。
scripts/ngram_freq_cn_news.json：启用 news_vs_human LR 特征。

缺少这些文件时程序会 graceful fallback，相关特征按 0.0 处理；detect/rewrite 不会崩，但 LR 分数、best-of-n 排序和 README hero 分数可能与完整本地资产环境不同。查看当前状态：

./humanize doctor

如需完整资产，请先准备本地语料，再离线重训：

python scripts/train_ngram_human.py
python scripts/train_ngram_wiki.py
python scripts/train_ngram_news.py

批量处理

for f in *.txt; do echo "=== $f ===" && ./humanize detect "$f" -s; done
for f in *.md; do ./humanize rewrite "$f" -a -o "${f%.md}_clean.md"; done

对比 Humanizer-zh

和 Humanizer-zh（5k⭐）的区别：

| | 本项目 | Humanizer-zh | |---|---|---| | 运行方式 | ✅ 独立 CLI，终端直接跑 | 纯 prompt，必须在 Claude Code 内用 | | 依赖 | ✅ 零依赖、零 LLM、零 token | 需要 Claude Code + API 额度 | | 量化评分 | ✅ 0-100 分（学术 + 通用双尺度） | ❌ 无评分 | | 统计检测 | ✅ 困惑度 + DivEye + GLTR，HC3 校准 | ❌ 无 | | 学术模式 | ✅ 10 维度 + 126 条替换 | ❌ 无 | | 风格转换 | ✅ 7 种 | ❌ 无 | | 可复现 | ✅ --seed | ❌ 每次不同 | | 批量处理 | ✅ CLI 管道 | ❌ 只能单篇交互 | | 免费 | ✅ 完全免费 | ⚠️ 需要 API 额度 | | 基准测试 | ✅ HC3-Chinese 200 样本回归 | ❌ 无 |

简单说：Humanizer-zh 是个好 prompt，但只能在 Claude Code 里用。我们是独立工具，任何环境都能跑，而且每次改动都有 HC3 回归验证。

局限

融合检测让分数差距拉大：v4.0.0 默认用 rule+stat + LR ensemble 融合评分，真实 ChatGPT 回答也能清晰区分。刻板化 AI 文本（论文模板/小红书腔）降幅 80-90 分；自然 ChatGPT 文本降幅 30-40 分。
统计层不用神经网络：我们用字符级 n-gram + 时间序列特征，不是 RoBERTa 这类分类器。优点是零依赖，缺点是分类 AUC 不如 SOTA 检测器。
CNKI/维普/万方没有公开 API，我们无法接入作为 oracle。PaperPass / 朱雀都有腾讯 T-Sec CAPTCHA 反爬。所以本项目基于自己的检测公式 + HC3 回归测试迭代，不盲信第三方检测器的具体分数。
不保证过 100% 的 AIGC 检测。改写会降低「刻板 AI 味」，但最终还是要看检测器用什么模型。工具只是帮你更像人写的，不是反检测魔法。

真实数据测试

我们用 HC3-Chinese 公开数据集（12,853 对人类 vs ChatGPT 真实问答）做了基准测试，随机抽 200 对看工具的实际效果。

检测器表现（融合模式默认）

| 能力 | 数值 | 说明 | |---|---|---| | 区分 AI 和人写的能力 | 95.5% | 随机抽一对文本，检测器给 AI 打分更高的概率 | | AI 原分 vs 人类原分 | 74.8 vs 14.8 | 差 60.0 分，融合检测大幅领先 rule+stat（14.8 分） |

改写效果（HC3 200 样本，平均降幅 40.6 分，184/200 样本降分）

| 领域 | AI 原分 | 改写后 | 下降 | |---|---|---|---| | 🧠 心理咨询 | 75.4 | 22.5 | -53.0 | | 🏥 医学问答 | 70.1 | 19.8 | -50.3 | | 💰 金融问答 | 77.9 | 32.3 | -45.6 | | ⚖️ 法律问答 | 81.4 | 36.7 | -44.7 | | 💬 开放问答 | 74.9 | 39.3 | -35.6 | | 📚 百科问答 | 64.4 | 32.1 | -32.2 | | 🔍 事实问答 | 79.5 | 57.3 | -22.2 |

简单说：各领域改写后都能降 22-53 分，长文本+专业领域（心理/医学/法律/金融）效果最显著。

长文本基准（170 AI 长篇 × 5 体裁，--scene novel 检测）

针对 GPT-4o / Claude-sonnet-4 / Gemini-2.5-flash / DeepSeek / Qwen 写的 5 类长文本（小说/学术/新闻/博客/评论），用专门的长篇 LR 校准跑：

| 体裁 | n | AI 原分 | 改写后 | 下降 | |---|---|---|---|---| | 📚 博客 | 50 | 78.7 | 31.2 | -47.5 | | 🎬 评论 | 20 | 85.7 | 39.8 | -45.9 | | 📖 小说 | 60 | 66.3 | 39.9 | -26.5 | | 📰 新闻 | 20 | 87.9 | 63.0 | -24.9 | | 🎓 学术 | 20 | 95.0 | 71.0 | -24.0 |

整体 gap 51.4，平均降幅 34.5 分，段落保留率 100%（多段 \n\n 章节结构、markdown 标题、bullet、对话段都不丢）。学术降幅最低是因为知网风格的术语密集 + markdown 章节结构，纯规则改写空间有限。

需要知道的

融合检测（默认）很严。默认分数 = rule+stat × 0.2 + LR ensemble × 0.8，correct rate 从 75% 提到 95.5%，gap 从 14.8 扩到 60.0。HC3 里典型 ChatGPT 回答现在原分在 64-81 之间，改写后落在 20-57 区间，降幅明显。--rule-only 可回退到 legacy rule+stat 评分。
短问答难降：事实类问答（nlpcc_dbqa）本身字数少，AI 特征不明显，工具发挥空间有限。
所有阈值都有依据：每个检测特征都在 600 对人类-AI 样本上标定过，不是拍脑袋设的。

自己跑一遍：

# 需要先下载 HC3 数据到 ../data/hc3_chinese_all.jsonl
python evals/run_hc3_benchmark.py --n 200 --seed 42

# 长文本 170 样本 benchmark (含 AI long-form + 人类对照)
# best-of-n 20 = production 默认（rewrite CLI 默认值）；省略此 flag 跑得快但 -10 分降幅
python evals/run_longform_benchmark.py --n-human 60 --seed 42 --best-of-n 20

Star History

License

MIT Non-Commercial — 个人学习、学术研究、非商业开源项目随便用。

禁止商业使用，包括但不限于：

卖本软件或基于本软件的衍生品
把工具包装成付费服务（SaaS / API / 网页服务等）
集成到商业产品中作为功能卖点
用本软件给客户提供付费改写 / AI 检测服务

如需商业授权，请通过 GitHub repo 联系作者。

运行测试

PYTHONHASHSEED=0 python3 -m unittest discover

提交前建议同时运行语法检查：

python3 -m py_compile scripts/*.py evals/*.py evals/oracles/*.py

★ 4,179@AgriciDaniel37d ago