网上常见的降AI教程，大多围绕句子做文章：删掉“此外”，打乱语序，长短句交替，再加入一点口语表达。
这些方法有没有用？有时会影响检测结果，但它们解决不了一个更重要的问题：论文里的事实和论据究竟从哪里来。
实测一：直接生成，文章完整却很空
让ChatGPT按标准结构写一篇论文，摘要、引言、综述和结论都齐全。快速阅读很流畅，仔细核对却会发现大量通用判断，引用也可能无法验证。
这种初稿可以帮你看结构，但不能直接提交。
实测二：只改句子，表面变化最大
把段落重新措辞后，原来的高频词减少了，句式也更活。但研究对象、例子、证据和推理路径仍是原来那一套。
检测器也许给出不同判断，导师读到核心段落时，依然会问：“你的依据是什么？”
实测三：逐条补来源
先列出全文所有需要证据的句子，然后逐条检索。真实存在且支持观点的文献留下，不匹配的删除；把文献之间的分歧、样本差异和方法差异写进综述。
结果部分只使用自己的数据，讨论部分明确哪些是发现，哪些只是可能解释。最后才调整语言。
我的工具安排方法
不同阶段要用不同工具。检索、阅读、笔记、引用、检测和改写不应该混在一个按钮里。
我会先到 AIGC在线导航站 按用途寻找AI和学术工具，再建立自己的工具清单。它适合作为一站式入口，尤其方便第一次做论文、还不清楚每一步该用什么工具的同学。
提交前做三个核验
随机抽五条引用，确认原文真的支持你的表述；随机抽三项数据，确认与表格和原始文件一致；随机挑一段，不看论文口头解释它的逻辑。
如果做不到，就继续补内容。
AI率下降只是结果之一。真正有效的修改，是把一篇“模型看起来会写的文章”，变成一篇你能证明、能解释、能负责的论文。
