小样本上，先看检测器一致率，而不是「谁抓得更多」

群聊常问：哪个 AI 写作检测器「抓得更多」。对本地复核团队更有用的问题是：两套工具在同一批匹配段落上多久达成一致，以及分歧对程序公正意味着什么。

本文只谈报告素养，不是产品评测，也不承诺改写后的分数。

为什么「标红更多」不是排行榜

检测器是在各自规则下对可计分连续散文做分类。更高的标红率可能只是更严阈值、不同分母或不同模型，并不等于更真的作者身份标签。跨工具百分比也不是同一把尺子。

小样本仍能练什么

1. 条件来源已知（人写 / 锁定提示的模型稿 / 有日志的改写）。
2. ≥2 个检测器当评分者，跑同一批文本。
3. 主结果写一致率与 Cohen’s kappa——不要写成过检率。
4. 披露提示词、模型、设置与利益冲突。

本地样本训练的是判读习惯，不能替代学校政策。

谈分歧时怎么说

• 「同一段两份报告不一致——各自的分母进了什么？」
• 「我们在量一致，不是在选更严的那家。」
• 「打开完整 PDF，不要只看聊天截图。」

若已决定改写，请对准匹配上传稿上的高亮连续散文。把 Turnitin / iThenticate 的 AI 报告导入后只改标红段、保留引用与格式，是 HumanPen 的窄任务；它不预测下一个数字。