辅助可以,代写不行
据 UNESCO 发布的教育与研究生成式 AI 指南,机构应引导学生把 AI 用作批判性思维的放大器而非替代。现实中,学生对 AI 的使用已从选题、润色延伸到整段代写,随之而来的是捏造引用与表达同质化。本文给出一套可在学校内网落地的写作辅助加护栏方案,核心原则:模型只帮改结构与语言,不替学生产出观点,所有引用必须可核查。
护栏一:用困惑度与突发度识别机翻式文本
完全由单一大模型生成的段落,往往在困惑度(perplexity)上偏低、句子长度波动(burstiness)偏小,呈现均匀平滑的风格。用本地因果语言模型对提交文本逐句打分,可作为一种启发式预警,提示教师重点复核,而非直接判定。下面给出基于本地模型计算困惑度的示例。
import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
tok = AutoTokenizer.from_pretrained('Qwen/Qwen2.5-1.5B')
model = AutoModelForCausalLM.from_pretrained('Qwen/Qwen2.5-1.5B')
def perplexity(text):
ids = tok(text, return_tensors='pt').input_ids
with torch.no_grad():
loss = model(ids, labels=ids).loss
return float(torch.exp(loss))
for seg in ['学生原创段落示例。', 'AI平滑生成的均匀文本示例。']:
print(seg[:8], 'PPL=%.1f' % perplexity(seg))
护栏二:引用可核查校验
学术写作的硬要求是论点有出处。可在批改流水线中加一道正则校验:凡出现「据某某研究」「某某指出」等引述表述,必须附带可识别的文献标记(如作者-年份或编号),缺失则提示补充;再结合本地模型判断该引用是否真实存在于学生提交的参考文献列表中,杜绝凭空捏造。
import re
CLAIM = re.compile(r'(据|根据|研究表明|指出)')
REF = re.compile(r'(([^()]{2,30}?)[,, ]*(19|20)\d{2}[a-z]?)')
def check_citations(text, refs):
problems = []
for m in CLAIM.finditer(text):
window = text[m.start():m.start() + 80]
if not REF.search(window):
problems.append('引述缺少出处: ' + window[:20])
return problems
print(check_citations('据最新研究指出该方法有效。', []))
落地与合规要点
方案应部署在学校内网,学生作文与作业数据不出校;检测结果仅作为教师复核的线索,最终判断由人来下。UNESCO 指南强调透明与可解释,因此系统须向学生说明使用了哪些检测维度,避免黑箱判定引发争议。
合规提醒:对学生文本做自动分析涉及未成年人信息与评价公平,须明确告知并取得同意,检测规则定期人工抽检校准,防止误伤。
参考来源
UNESCO Guidance for Generative AI in Education and Research(教育领域生成式AI使用指南)- UNESCO 官网;India Today 关于2026年学生常用 AI 工具与负责任使用的报道(2026-05)- India Today;Hugging Face Transformers 本地模型加载文档 - Hugging Face 官方文档。