AI 文本检测器正被广泛用于学术环境，但它们的输出到底是反映 AI 作者身份，还是仅仅捕捉到更为正式的学术英语特征，仍未可知。已有研究指出，非母语英语写作的误报率（FPR）偏高，但这些研究往往在比较不同人群时混入了主题、学科和写作风格的差异。
专业编辑服务提供了一个理想的实验场景：同一篇稿件在保持作者、内容不变的前提下，通过编辑改写语言形式。我们收集了 2018 至 2025 年期间 135,389 对稿件（原始非母语稿件及其经母语编辑后的版本），并对 13 种主流 AI 文本检测器进行测试，观察编辑对检测结果的影响。
结果显示，13 种检测器对人类文本的误报率差异极大，最低为 0.0%，最高甚至达到 100.0%。更有趣的是，同一篇稿件的编辑在不同检测器上会产生相反的效果：有的检测器的 AI 分数随编辑提升，有的则下降。分数变化幅度与编辑程度呈正相关，即编辑越多，分数波动越大。
这些发现表明，专业编辑的写作风格本身是 AI 检测器输出的关键混淆变量，而不是简单地将文本来源与语言风格完全分离。这对学术界的公平性和检测可靠性提出了警示。
博主点评：本文通过大规模、可控的编辑前后对照实验，直观揭示了写作风格对 AI 检测的巨大影响。研究提醒我们在使用检测工具时应慎重，尤其在评估非母语作者时，更应考虑编辑服务带来的潜在偏差。