学术文本的去AI化：一次完整的诊断与润色复盘

一、缘起：一个典型场景

我最近完成了一轮密集的学术文本润色工作：对一篇关于"AI 与创业管理"的系统性文献综述论文的语言层进行了逐段改写。原文整体结构扎实、文献覆盖充分，但语言质地带有明显的 LLM 生成痕迹——不是抄袭，不是编造，而是一种说不清的"太像范文"感，那种让 Turnitin 和 iThenticate AI 检测器警觉的质感。

9 轮修订，覆盖 18 个段落/长句，总计识别出 31 处 可明确归类的 AI 写作特征命中。下面的表格是完整统计。

二、AI 特征命中全景：一张诊断地图

各模式出现频次汇总

解读

有两组模式占据绝对主导地位：

第一组（占 38.8%）：破折号失控 + 完美枚举

这是 AI 写作最深的指纹。破折号在人类学者的文本中当然存在，但人类用它来制造修辞断裂或强调——通常一段落不超过一个。AI 用破折号来实现"思考的分叉"：它不确定哪种表达更好，于是把几种可能性都塞进去，用破折号连接。这暴露了 AI 生成机制的本质：它不是在选择措辞，而是在概率分布上采样，而破折号恰好是"多路径并置"最方便的语法工具。

完美枚举是同一个机制的反面：人类学者有时也会说"三个因素""四个维度"，但他们会不自觉地打破对称——在第三个因素上多写半句，或者用不同的句法呈现不同因素。AI 做不到这种"不对称"。它会忠实地生成 A, B, and C 的并列结构，每个元素的粒度完全一致。

第二组（占 16.1%）：路标泛滥

In what follows、Here again、The implication here is that、There seem to be two priorities here、Which means、One might use as a starting point, here——这些短语的共同特征是：它们不传达任何实质信息，纯粹是 AI 用来"锚定自身位置"的导航信号。人类学者也会用路标，但次数少得多，而且通常会与实质内容融合。AI 的路标像一个紧张的导游，每走三步就要回头确认："我们还在路线上吗？"

三、修订策略三层模型：从数据看效果分布

本次修订采用了五层策略模型中的前三层（后两层适用于更大尺度改动），各层的使用分布：

三层几乎等分，说明去 AI 化不是某一层的技巧能解决的。它不是"把词替换一下"，也不是"全重新写"。它在三个维度上同时发生：删掉什么（第1层）、重组什么（第2层）、变成什么（第3层）。

四、典型案例解剖

案例 1：破折号失控（模式 #12 的极端表现）

原文（第8轮，一句话）：

But there are also offsetting advantages to being small: organizational agility; no legacy systems (Verhoef et al., 2021); short decision chains – which allow faster experimentation and deployment too; and structural differences again imply very different kinds of strategy when it comes to AI adoption – not just variations in intensity, but something much deeper in terms of the choices available and how they fit together – so large company models developed on big company data need to be treated cautiously here – better understanding of what's really going on is needed if public policies are going to work effectively to support new ventures.

诊断：92 词的一个句子，5 个破折号，4 个分号。这不是写作，是草稿。AI 在生成过程中不断分叉，每条分叉都留下了语法痕迹。

修订后（拆为 4 句，总计 105 词）：

Smallness, however, carries its own advantages: organizational agility, the absence of legacy systems (Verhoef et al., 2021), and decision chains short enough to permit faster experimentation and deployment. These structural differences imply something more than a variation in the intensity of AI adoption—they point to fundamentally different choice sets and different logics of fit. For that reason, models built on large-firm data need to be applied cautiously here. Without a sharper understanding of how AI actually lands inside new ventures, public policies designed to support them will struggle to reach their targets.

关键手术： - 5 破折号 → 1 破折号（仅保留 AI adoption—they point to 一处必要的修辞停顿） - 4 分号 → 0 分号（分号枚举变为逗号自然列举） - 把 AI 的"思考分叉"统统砍掉，每次只推进一个论点

案例 2：引用流水账（模式 #8）

原文（第6轮）：

According to Verhoef et al. (2021), digital transformation needs something else besides internal capability—namely ecosystem orchestration. Then according to AlNuaimi et al. (2022), leadership alignment and also digital strategy alignment matter too, but now at an ecosystem level. Then finally according to Soomro et al. (2025)...

诊断：三个 "According to" 排比推进。真实学者绝不会这样写。他们会给每个引用一个不同的语法角色。

修订后：

That internal capability alone does not suffice has been a recurring thread. Verhoef et al. (2021) argue that digital transformation also demands ecosystem orchestration... AlNuaimi et al. (2022) refine this claim by showing that leadership alignment and digital strategy alignment matter not just inside the organization but at the ecosystem level as well. Soomro et al. (2025), working with SME survey data through SEM-ANN analysis, add a further wrinkle...

关键手术： - 三个 "According to" → 三种不同动词姿态：argue / refine this claim by showing / add a further wrinkle - 引用的功能被显式标注：第一个建立论点，第二个精炼它，第三个再添复杂性——形成知识推进的叙事，而非作者清单

案例 3：完美枚举（模式 #3）

原文（第4轮）：

Balcerzak et al. (2025) identify five problems which together determine whether AI implementation works – data density, customer touchpoint frequency, tractable integration paths, talent readiness, and regulatory alignment.

诊断：five problems + 五个名词短语排成一列。AI 的最爱。

修订后：

Balcerzak et al. (2025) distill AI implementation success into five conditions: how data-dense the environment is, how frequently customer touchpoints arise, whether integration pathways are tractable, whether the talent is ready, and whether the regulatory landscape aligns.

关键手术： - 五个并列名词 → how..., how..., whether..., whether..., whether... ——刻意不对称（两个 how + 三个 whether） - problems → conditions（更精确） - 每个名词被展开为从句，强行制造不同节奏

案例 4：路标泛滥（模式 #4）

原文（第7轮，一段落三个路标）：

The relation takes a hierarchical form. ... The implication here is that moving from Theme 1 to Theme 3 requires... ... Here again, there is a pragmatic conclusion: ...

诊断：一段落三个导航信号。AI 紧张地确认自己在轨道上。

修订后：

The movement tends to follow a rough sequence. ... What this suggests is that the path from operational AI to strategic innovation depends on... ... The practical upshot is straightforward: ...

关键手术： - 三个路标裁掉一个半："Here again" 直接删除；"The implication here is that" → "What this suggests is that"（仍保留衔接功能但弱化路标感） - 所有 Theme 编号删除，用实质描述替代

五、给学者的实用手册：如何自我诊断 AI 写作痕迹

基于本轮 31 处诊断的统计，以下 7 条是 AI 写作最可靠的特征信号，按辨别力排序：

�� 高辨别力信号（出现即大概率是 AI）

1. 一句话超过 3 个破折号。人类偶尔用 1-2 个；3 个以上几乎一定是 AI 思维分叉的痕迹。

2. 段落内出现三个或以上路标短语（In what follows / Here again / The implication here is / Which means / One might use as a starting point, here）。AI 对自身在文本中的位置有强迫症式的确认需求。

3. 三个或以上 According to X 连续排列。真人会将引用融入不同句法角色。

�� 中等辨别力信号（组合出现时高度可疑）

1. 精确数字 + 完美平行列举（five problems: A, B, C, D, and E 每个元素粒度完全一致）。

2. 短句三连击（Resources are scarce. Beginning small therefore makes sense. ...）。AI 拆解复杂句时容易过度碎片化。

3. not just X, but Y 结构过载。每个段落出现一次以上。

�� 低辨别力信号（需结合上下文）

1. 抽象名词堆叠（ecosystem orchestration capacity、strategic alignment mechanisms）。学术写作中本来就常见，但超过 3 个连续名词组合时应警觉。

快速自检清单

· [ ] 全文搜索破折号 "—"，计数。超过 10 个/千字 = 红旗。

· [ ] 全文搜索 "According to"，检查是否连续两个段落内出现 3 次以上。

· [ ] 全文搜索 "not just...but"，检查是否有整段依赖此结构。

· [ ] 全文搜索 "firstly / secondly / finally / in what follows / here again / which means"，检查路标密度。

· [ ] 随机抽取 3 个段落，检查每段是否都有精确数字列举（three factors / four dimensions / five problems）。

六、去 AI 化的核心原则（不是技巧，是思维方式）

31 处修订之后，我提炼出三条原则：

原则 1：AI 不懂"不对称"

AI 生成的结构天然对称——每个并列元素等长、每个段落节奏均匀、每句话的重心位置相同。真人写作天然不对称——有的句子 8 个词，有的 40 个词；有的例证详写，有的一笔带过。去 AI 化的第一步就是刻意制造不对称：把一个完美并行句拆成不同句法、对其中两个元素详写而对第三个略写、在一个工整段落末尾插入一个不工整的收束。

原则 2：AI 用路标替代思考

AI 文本中充斥着 This implies that、What follows from this is、Here there is a natural conclusion——这些短语的本质是 AI 不确定推导是否成立，于是用显式路标来"声明"逻辑关系的存在。真人学者的推导通常更含蓄也更精准：用 suggests 替代 implies，用 For that reason 替代 Therefore，用具体的因果叙述替代泛化的路标。

原则 3：AI 回避选择

破折号失控的本质是 AI 不做选择——它同时给出几种表达方式，让读者自己选。人类写作的本质是一连串的选择：选这个词而非那个、拆成两句而非一句、用冒号而非破折号。去 AI 化的最后一步是做出选择。砍掉那些并置的备选表达，每次只走一条路。

七、附：本轮修订的量化快照

本文档基于 2026 年 6 月的一轮真实学术润色工作复盘生成。涉及的原文是一篇关于 AI 与创业管理的系统性文献综述。所有修订策略遵循 Phase 12（论文全周期）中的风格锚定与五层改写框架。