d1lamhf6l6yk6d.cloudfront.net

即使外部 AI 检测判定为 100%，仍保留奖项的原因——有草稿和时间戳

AI 内容检测、Pangram、Commonwealth Short Story Prize、作者性、内容编辑政策、C2PA内容

Caught in the backlash over AI, book publishers face mounting questions

Artificial Writing and Automated Detection

2026 Commonwealth Short Story Prize Update

稿件显示“AI 100%”时，可以立刻撤下吗？

假设一篇即将发布的稿件或品牌内容在 AI 检测器中获得高分。原样发布似乎会损害信任，立即撤回又可能不公平地怀疑作者。编辑负责人需要的不是更果断的数字，而是公平确认由谁、通过什么过程完成内容的方法。

2026 年出版界发生的两件事清楚地说明了这种差异。小说《Shy Girl》被 Pangram 标记为约 78% 由 AI 生成，随后经历网络质疑和出版社调查后取消出版。不过，仅根据已公开的报道，不能说该分数是取消出版的唯一原因。相比之下，Commonwealth Short Story Prize 的获奖作品被外部人士提出 Pangram 100% AI 生成的判定，但基金会维持了获奖结果。关键区别在于，基金会没有在调查中使用 AI 工具，而是核查了创作过程及相关材料。

100% 是特定稿件的判定值，而非普遍准确性

检测器有用，与仅凭检测结果就能判定作者，是两种不同的主张。芝加哥大学 Becker Friedman Institute 介绍的一项独立研究，对比了 1,992 篇人类原文与四种生成模型在六个体裁中生成的对应文本。在这组受控英语资料的中长文本中，Pangram 的误报和漏报接近于零，满足该研究规定的误报率不高于 0.5% 的政策标准。

这是一项良好表现，但其适用范围很明确。这些结果针对的是当时选定的模型和检测器版本、英语体裁及规定篇幅。它不意味着能够确定经人类多次修改的混合稿件中“AI 写作比例”，也不意味着在所有语言和未来模型中始终 100% 准确。稿件显示的 78% 或 100%，也不应被理解为AI 写了其中 78% 或 100% 句子的量化证明。

请将分数用作启动调查的信号。若要将其作为处罚依据，至少应一并记录检测器及版本、检测的文本范围、阈值，以及该语言和体裁是否在验证范围内。

保住奖项的不是重新检测，而是创作过程

Commonwealth Foundation 在调查过程中没有使用 AI 检测工具。外部有人声称获奖作品《The Serpent in the Grove》被 Pangram 标记为 100% AI 生成，但这不是基金会进行的检测，而是外部用户和 Pangram 方面公开的结果。

基金会表示，出于未公开作品的艺术所有权和同意问题，没有在调查中使用 AI 工具。相反，它在约一个月内与作者讨论创作过程，审阅了草稿、带时间戳的文档和笔记，随后认定该作品并非由 AI 写作，并维持获奖结果。该比赛有超过 7,800 人投稿，每篇获奖作品至少由 7 人阅读。

这一案例并不是说“所有检测器都错了”。只看文本结果的分类器与重建创作过程的调查，回答的是不同的问题。检测器寻找的是文风的统计信号，而草稿和编辑记录则显示创意如何发展为句子，以及由谁批准修改。

核查对象	只看检测分数时	同时查看过程证据时
能够了解的内容	文本与检测模式的接近程度	草稿的发展、AI 参与的阶段及人工编辑责任
仍存的风险	误报和对比例的过度解读	记录缺失或事后篡改的可能性
适当用途	筛选需要进一步审查的稿件	作出公开、修改或撤回决定，以及审查异议

争议的核心是“作者性”，而非版权

这里需要区分的词是版权和作者性。a16z 的 Alex Danco 借用巴特和福柯的讨论，认为“AI 生成”这一分类如同一种新的作者性范畴，为文本赋予意义和责任。重点更接近于 authorship 与“author-function”，即谁以自己的名字发布这项工作并对结果负责，而不是作为法律权利的 copyright。

因此，如果只问“AI 写了多少百分比？”，实际工作就不容易看清。创意梳理、研究、翻译、初稿、语法校对和最终措辞，承担的责任并不相同。对读者更有用的说明不是估算比例，而是AI 参与的阶段以及负责最终判断的人。

今天就用一篇稿件建立调查记录

在新增检测器之前，先展开一篇近期稿件的制作记录。只要能够访问文档版本历史、作者和编辑的笔记以及 AI 使用记录，就可以开始。

区分 AI 使用阶段。
针对创意、研究、翻译、初稿、校对和最终措辞，分别写明属于允许、需要公开还是禁止。不要用“允许使用 AI”这样一句话笼统概括。
将人员与证据关联起来。
记录作者、编辑和最终批准人，以及草稿、时间戳和编辑评论的保存位置。如果没有记录，不要编造结论，应标记为“无法核实”。
保留检测结果的条件。
不要只复制分数，还要记录工具及版本、输入范围、阈值和检测日期。若是未公开稿件，应先确认上传至外部服务的授权与保密性。
同时审查说明和记录。
将作者和编辑的说明与草稿变化进行比对，并根据预先确定的标准决定是否公开、修改或撤回。其他负责人也应能凭借相同资料重建判断过程。
不要说明比例，而要说明参与阶段和责任人。
例如，记录“AI 用于创意梳理和语法校对，最终措辞由编辑 B 审阅并批准”。法定公开义务应根据内容类型和发布地区另行确认。

内容 ID：______
AI 参与的阶段：______
已核查的过程证据：______
作者 / 编辑 / 最终批准人：______
检测条件和结果：______
公开、修改或撤回的决定及依据：______

成功标准不是将检测分数降至 0%。而是即使分数发生变化，也能适用相同的调查标准，并能从一份记录中说明最终决定的依据。

标签和 Content Credentials 也不能替代责任

技术来源标记是辅助证据，而不是真实性证书。C2PA Content Credentials 以可检测篡改的形式记录内容的来源和变更历史，但不会自行证明内容是否真实可信。也不应因为缺少凭证就立即认定其为虚假内容。

欧盟《AI 法案》第 50 条同样并非要求所有使用 AI 的内容都使用同一种标签。为告知公众利益事项而生成或操纵的 AI 文本负有公开义务，但法规规定，如果由人类审查或进行编辑控制，且自然人或法人承担编辑责任，则可适用例外。深度伪造图像、音频和视频适用单独的公开义务。是否适用取决于目的、形式和发布地区，因此个案需要法律审查。

试着改变编辑政策的问题。不要止步于“这篇稿件是 AI 吗？”，还应问：“AI 在哪个阶段参与？有哪些过程证据？谁对最终结果负责？”检测器或许能为第一个问题提供信号，但其余答案来自组织的记录和程序。