同一段论文，经过普通同义词替换后，常会出现三种结果：句子更绕，术语更怪，观点更模糊。这样的“低AI率”没有意义，因为论文首先要交给导师和评审阅读。
选工具时，不要先问能降到多少。先拿一段包含术语、数据和因果关系的文字测试，看它能否保住内容。
测试一：专业术语会不会被乱改
选择研究方法中的一段，圈出模型名称、变量、量表和统计指标。处理后逐项对照。如果“回归系数”被换成普通描述，或固定概念被自造词替代，这个结果不能使用。
测试二：数字与结论是否仍然一致
检查百分比、样本量、显著性和组间差异。最危险的不是语句不顺，而是工具把“没有显著差异”改成“差异明显”。一个词就可能反转结论。
测试三：论证顺序有没有断
好的调整会减少重复、让依据靠近观点。差的调整只是把句子顺序打乱，导致上一句提出问题，下一句突然给出无关建议。
在这一点上，REDUCE AIGC降重降AI 更适合学术文本。它强调“降AI不降专业度”，处理重点放在表达优化，同时尽量保留术语、核心意思和原有逻辑。
一篇论文应该分成四类处理
定义、公式、量表题项和直接引用，原则上不做自由改写；研究方法和结果，以准确为第一位；引言与文献综述可以重组结构；讨论和建议则需要加入作者自己的分析。
不要把四类内容用同一个强度处理。越接近事实和规范的部分，改动越谨慎；越接近分析和表达的部分，越需要你的判断。
建议按章节小批量修改
每次处理一个自然段或一个小节。保留原文、优化稿和最终稿三个版本。先核对事实，再调整语气，最后放回全文检查衔接。
如果某段没有具体信息，工具也无法凭空创造研究价值。回到问卷、实验记录、访谈或文献笔记，把证据补齐，再处理语言。
最后用导师视角读一遍
问自己：这段话的依据在哪里？为什么选择这个方法？结论能否由数据推出？术语是否前后一致？如果答不上来，就不要急着复检。
数字只是一个提示。真正安全的论文，是每个观点都能解释、每项数据都能追溯、每处修改都没有损害专业内容。工具可以省时间，但学术判断必须留在你手里。
