高分一出现，先映入眼帘的往往是拒绝按钮
你将外部作者或申请人提交的稿件放入 AI 检测器，得到“AI 生成可能性 98%”的结果。截止日期临近，却又不确定该问作者什么。这时将分数直接变成判定或许很快，但并不安全。
包括 Pangram 在内的 AI 检测器结果，不应作为判定作者的证据，而应作为筛选信号，用于决定哪些段落需要进一步核查。 因为检测器分析的是成稿文本的模式，而非句子形成的过程。
也有极端案例。Fritz 的 2026 年对比文章称，GPTZero 将美国宪法标记为由 AI 撰写，Originality.ai 将《达·芬奇密码》标记为 100% AI 生成。不过，该文章未提供完整输入内容、运行时间、产品版本、阈值或结果日志，因此不能视为可独立复现的基准测试。 将其理解为一个警示案例更准确：知名的人类作品也可能被标记。
Pangram 改进的是训练数据，而不是作者身份的证明
2026 年 7 月，Pangram 在 Menlo Ventures 领投的融资中获得 900 万美元，并发布了 Pangram 4 与图像检测模型。Haystack、ScOp、Script Capital 和 Cadenza 也参与了投资。 不过，融资金额与产品性能的独立验证是两回事。
Pangram 4 的核心是synthetic mirror和hard-negative mining。它先为每一篇人类文档生成在主题、长度和文体上相似的 AI 文档，并将其作为训练配对。随后，它将人类写作被误判为 AI 的案例重新纳入训练数据，以降低误报。
这里有一条重要边界。 这种方法能更好地学习人类文档与 AI 文档之间的统计差异。它并不是通过检查文档草稿、按键输入、粘贴记录或水印来证明作者身份的技术。
该产品将文档划分为 Human Written、AI-Assisted 和 AI-Generated 区段，并返回各区段的分数、置信度和字符位置。根据模型卡，它先用重叠的 512 token 窗口分析文档，再按句子细化结果。 相邻标签可能被合并为至少约两句话的长度，因此也不应将显示的颜色理解为逐词的写作来源。
0.0041% 的误报率是强劲结果，但不是普遍定律
Pangram 公开的数字之所以有用，在于可以核对分母。不过，它们都是 Pangram 研究人员在预设评估语料上测得的开发商自报结果。
| 评估对象 | 公开结果 | 解读时的局限 |
|---|---|---|
| 英语人类文档 | FineWeb 100 万篇中 41 篇误报，0.0041% | 各领域误报率不同：学术文章为 0.019%，诗歌为 0.078%，食谱为 0.049% |
| 英语 AI 生成文本 | 来自 26 个模型的 519,993 条中漏检 1,766 条，假阴性率为 0.3396% | 数学、编程和选择题请求被排除在评估之外 |
| 韩语评估 | 2022 年以前 FineWeb2 人类文档的误报率为 0%，AI 生成文本的假阴性率为 0.5805% | 未公开韩语样本量，AI 生成文本采用翻译和镜像英语文档的内部合成评估 |
英语人类文档误报率的 95% 置信区间报告为 0.0032%～0.0050%，英语 AI 生成文本假阴性率的置信区间为 0.3242%～0.3558%。 模型卡也公开了韩语 AI 生成文本 0.5805% 的假阴性率，但没有给出韩语样本量。更重要的是，该数值来自将英语文档翻译并镜像生成的内部合成评估，并不代表真实韩语申请材料、短广告文案或专业领域稿件整体的准确度。 官方网站明确支持韩语这一事实，与韩语实际使用准确度已获证实的说法应当区分开来。
先用免费账户测试审核流程，而不是进行“判定”
Pangram 当前的免费套餐无需支付方式，每天最多提供 2,000 词文本检测。 你可以粘贴文本或上传 PDF、DOCX、RTF 文件，无需额外安装。 不要一开始就提交真实材料，先用两份已知是否使用 AI 的内部验证稿件，确认结果界面与记录方式。如果两份稿件总计难以控制在 2,000 词以内，可以每天分开检测一份。
- 先确认上传权限和篇幅。
准备一份已移除个人信息和机密信息的“由人直接撰写的原稿”，以及一份“由人撰写后经 AI 轻度润色的稿件”。如需在同一天检测，请将两份稿件总计控制在 2,000 词以内；超出则分日期检测。若不清楚是否有权上传到外部服务，请不要继续检测。 - 使用免费账户登录Pangram 官方页面，并选择 Text Detection。
粘贴稿件全文或上传支持的文件以运行检测。Pangram 4 要求输入至少 50 个词、由完整句子组成的散文。 - 查看被标记的区段，而不只看总分。
记录 Human Written、AI-Assisted、AI-Generated 标签，以及各区段的置信度和位置。如果接入 API，也可以保留响应中的区段分数和字符位置。 - 将被标记区段与独立证据对照。
检查草稿与版本记录、引用原文、来源不一致之处，以及与过往作品相比突兀的文体变化。记录中也应将分数与独立证据分开。 - 只向作者询问需要解释的部分。
给作者机会说明该区段是按何种顺序撰写和编辑的，并提供早期草稿。还应记录检测日期、模型版本、输入范围、区段结果和最终判断依据。
首次测试的成功标准，不是完美判断两份稿件。只要负责人能够将检测分数与其他证据分开记录，并就哪些结果会触发额外人工审核达成一致，第一个流程就建立起来了。
与其使用两个检测器，不如获得一项独立证据
运行两个不同检测器并得到相同结果，并不能证明作者身份。如果两个产品依赖相似的文本特征，它们也可能对同一篇文章同时出错。一项比较 14 个检测器的同行评审研究也发现，性能会因工具和文档变体而有很大差异，并得出结论：这些结果不适合作为学术不端行为的证据。不过，该研究使用的是 2023 年的 54 份英语样本，未包含 Pangram 4。
格拉斯哥大学的 2026 年指南建议，不要将 AI 检测分数作为调查依据，而应审视包括早期草稿、作者陈述、不存在或不匹配的来源在内的全部证据。 这一原则同样适用于内容运营。
可以按以下方式划分审核标准。
- 如果目标是编辑优先级，可用检测结果选择应由人工优先查看的区段。
- 对于拒绝、撤销录用、处分等影响重大的决定，不应在没有草稿、来源和作者说明的情况下仅使用分数。
- 如果没有上传权限或个人信息处理标准，应先制定内部流程，再使用检测器。
- 如果韩语、专业领域或短文档是主要输入，应基于真实文档分布建立内部基线，再确定使用范围。
Pangram 4 的进展在于提供了更具体的评估数据和混合作者身份区段。但检测器所能回答的问题，仍然只到“这段文本像什么样的模式”。要回答“谁以什么过程写成”，则需要草稿、版本记录、来源和作者的说明。
如果想进一步深入了解
Pangram 4 Technical Report 可直接查看 synthetic mirror、hard-negative mining 和评估语料构成的技术报告。 arxiv.org
Pangram 4 Model Card 适合查看英语和韩语评估结果、错误率、输入条件及混合作者身份区段的处理方式。 pangram.com
GenAI Guidance 2026 - Identifying Potential Concerns 格拉斯哥大学的指南，说明了应审核哪些证据，例如草稿、陈述和来源，而非依赖检测分数。 gla.ac.uk
