BZD 数学建模论文AI痕迹审计工具 v2.2

融合nature-AIGC检测方法 · 严格判分版

核心原理

两层递进式检查 + 9维融合检测：

1. 第一层：增强的9维框架（100分制）

   • 语言层面（权重60%）：融合nature-detector的统计特征分析
     • 维度1: 高频连接词（Humanizer-zh）
     • 维度2: 排比/同构句式识别
     • 维度3: 拔高词与修饰词（5级分类）
     • 维度4: 被动句占比与语态分析
     • 维度5: 段落结构规律性
     • 维度6: 文本复杂度（熵值、n-gram、TTR）
   • 事实层面（权重40%）：融合nature-detector的事实验证
     • 维度7: 引文验证（L1-L3三层检查）
     • 维度8: 数值一致性追踪（参数溯源）
     • 维度9: 术语一致性检测

2. 第二层：数学建模逻辑审查（100分制）

   • 2.1 模型常用性判断：对标数模竞赛常用模型库
   • 2.2 复杂度vs收益评估：识别过度工程化
   • 2.3 华而不实识别：五大AI特征检查
   • 2.4 模型选择"三问法"：逻辑论证验证
   • 2.5 建模路径风格：区分人主导的渐进建模与AI式复杂化倾向

最终评分 = (第一层 + 第二层) / 2 → 风险等级 → HTML分层报告

新增能力：

• ✨ 引文真实性验证（相比v2.0的"只是检查格式"）
• ✨ 数值参数追踪与一致性检查（发现虚构或计算错误）
• ✨ 文本复杂度的科学度量（TTR、熵值、n-gram频率）
• ✨ 段落结构规律性检测（识别模板堆砌）
• ✨ 术语使用一致性追踪（发现概念混乱）

---

使用场景

✓ 参赛队员自检：快速诊断版，定位问题，按优先级改进 ✓ 指导老师评审：简洁版+完整版，全面了解论文问题 ✓ 社团评委存档：完整版，逐部分详细分析，存档决策 ✓ 论文盲审：用两层评分表判断是否涉及AI拼装

---

输入要求

最低输入：完整数学建模论文（PDF或Word格式）

增强输入（提高置信度）：

• 赛题及附件说明
• 代码和中间结果文件
• 参考文献清单
• 问间对接说明

---

执行流程（9步）

第一阶段：五维基础框架评分

1. 识别论文结构 标记摘要、问题重述、问题分析、假设、符号、模型建立(Q1-Q5)、求解、结果、检验、灵敏度、评价、参考文献、附录

2. 阅读五维评分标准 参考 references/audit-framework.md，理解五个维度的0-100分评分规则

第二阶段：第一层 - 增强的9维检测框架（权重60%语言 + 40%事实）

v2.2 严格化说明：以下阈值较 v2.1 全面收严约 5–10 个百分点， 且引入"扣分项累加"机制。评审倾向：宁可标红后经人工复核撤销， 不可漏标。任何一项落入 🟠 及以上，报告中必须标红呈现并给出证据位置。

3. 语言层面检测（6维，权重60%）

3.1 高频连接词检测（维度1，权重20%）— 融合Humanizer-zh

• 扫描全文，统计高频连接词密度（综上所述、此外、进一步、显然、具有特性等）
• 计算: 密度 = (高频词总数) / (全文总句数)
• 检查相同词的重复间隔（是否<5句）
• 新增：检查"具有XX特性""相对而言""显然"等AI特化高频词
• 判分（收严）：
  • <8% → 100分 🟢
  • 8-12% → 85分 🟢
  • 12-16% → 60分 🟡（原15-20%才扣，现提前）
  • 16-20% → 35分 🟠 标红
  • 20-25% → 15分 🔴 标红
  • >25% → 0分 ⛔ 标红
• 附加扣分：同一高频词在3页内出现>2次，每处额外 −5 分（下限0）

3.2 排比与同构句式识别（维度2，权重12%）

• 标记三项以上的排比句，检查排比后是否有量化数据
• 检查排比项的来源说明（赛题给出/推导/约束）
• 标记"动词+宾语"结构相同的连续句子，检查是否标注了章节/对象
• 判分（收严）：
  • 全部为L3安全排比（有数据+有来源） → 100分 🟢
  • L3为主，个别L2 → 80分 🟢
  • L2为主（有数据但无来源说明） → 55分 🟡
  • 存在1处L1（抽象形容词堆砌） → 30分 🟠 标红
  • 存在2处及以上L1 → 0分 🔴 标红
• 附加扣分（v2.2新增）：同一组织词（如"其一/其二/其三"、 "首先/其次/最后"）在 ≥4个不同章节 机械复用，额外 −20 分； ≥6个章节复用，额外 −30 分。此项即使各项内部有数据也照扣， 因为它是可观察的模板化痕迹。

3.3 拔高词与修饰词检测（维度3，权重12%）— 5级分类

• 识别拔高词并分级：L1(绝对化+无数据) / L2(相对化+泛泛对比) / L3(定量无基准) / L4(定量有数字无对比) / L5(完整定量+充分对比)
• 检查拔高词后是否有量化证据（数字、对比、百分比）
• 判分（收严）：
  • L5为主且拔高词密度<8% → 100分 🟢
  • L4-L5为主 → 80分 🟢
  • L3为主 → 55分 🟡
  • 存在 1个 L1或2个L2 → 30分 🟠 标红（原需>3个才归零）
  • 存在 2个及以上 L1 → 0分 🔴 标红
• 参考资源：references/layer1-enhanced-detection.md §2.3

3.4 被动句占比与语态分析（维度4，权重9%）

• 抽取论文5个代表段落，统计被动句占比（正常范围10-20%）
• 检查是否出现连续>3句都是被动语态的"生硬段落"
• 被动句中是否都有明确的执行者
• 判分（收严）：
  • <15% → 100分 🟢
  • 15-22% → 85分 🟢
  • 22-27% → 55分 🟡（原25-30%才扣到60）
  • 27-33% → 30分 🟠 标红
  • >33% → 0分 🔴 标红
• 附加扣分：出现连续≥4句被动语态的段落，每处 −10 分

3.5 段落结构规律性检测（维度5，权重6%）

• 抽取20段，统计段落开头词的重复率和段长分布
• 检查开头方式是否多样化（"根据""为了""利用前问的"等）
• 段落间是否有明确的逻辑承接（"由上可知""基于此"等）
• 判分（收严）：
  • 开头词重复率 <15% → 100分 🟢
  • 15-28% → 80分 🟢
  • 28-40% → 50分 🟡
  • 40-55% → 25分 🟠 标红
  • >55% → 0分 🔴 标红
• 豁免：数模论文各建模章节遵循"建模思路→模型建立→求解→ 结果→检验"五段式属文体常规，该章节级结构重复不计入本项； 本项只统计段落级的开头方式重复。

3.6 文本复杂度分析（维度6，权重1%）

• 计算词汇多样性TTR = 不同词数/总词数
• 分析3-gram重复率（"本文采用""通过...方法"等）
• 观察熵值和n-gram频率是否过于规律
• 判分（收严）：
  • TTR>0.55 且 3-gram<4% → 100分 🟢
  • TTR 0.45-0.55 或 3-gram 4-8% → 65分 🟡
  • TTR 0.35-0.45 或 3-gram 8-13% → 30分 🟠 标红
  • TTR<0.35 或 3-gram>13% → 0分 🔴 标红

4. 事实层面检测（3维，权重40%）

⚠️ 本层任一维度触发"一票否决项"时，直接判定论文风险等级， 不再按加权分核算。详见 references/layer1-enhanced-detection.md §4.3。

4.1 引文验证（维度7，权重15%）— 融合nature-detector的L1-L3检查

• L1【快速检查】（30秒）：DOI格式、作者名、期刊名、发表年份规范性
• L2【存在性验证】（2-3分钟）：Google Scholar/知网验证文献是否存在，信息是否匹配
• L3【主张-支撑匹配】（5分钟，抽查不少于5篇关键文献）：
  • 论文引用该文献的方法/结论是否与原文一致
  • "数据集XXX"是否真的存在且规模一致
  • "按照XXX的方法"是否在原文中有明确描述
• 判分（收严）：
  • 全部通过L1-L3，且无未引用的"凑数文献" → 100分 🟢
  • 全部存在，但有1-2篇列入文献表却未在正文引用 → 80分 🟡
  • 有1篇作者/年份/期刊信息不符 → 25分 🔴 标红 + 触发否决
  • 有任1篇确认不存在 → 0分 ⛔ 标红 + 强制高风险
• 附加检查：文献总数<6篇 或 >25篇，−10分；全为综述/教科书 而无具体算法论文，−15分

4.2 数值一致性追踪（维度8，权重15%）

• 构建"参数溯源表"：列出所有关键参数，逐一追踪其在全文的使用位置
• 复算数值间的算术关系（占比、差值、合计是否自洽）
• 验证参数来源层级（L1赛题给出 / L2前问推导 / L3物理约束）
• 判分（收严）：
  • 全部一致 + 算术自洽 + 来源清晰 → 100分 🟢
  • 一致但个别参数来源未说明 → 75分 🟡
  • 存在偏差1-5%且未加解释 → 35分 🟠 标红
  • 存在偏差>5%且未加解释 → 0分 🔴 标红 + 触发否决
• 加分项（v2.2新增，上限+5）：论文主动披露数值差异并解释 其来源（求解器容差、独立实现差异等），视为人工复算的正面证据。 此类披露不触发否决。
• 幽灵参数：任一关键参数无法追溯到L1/L2/L3任一层级，每个 −15分

4.3 术语一致性检测（维度9，权重10%）

• 构建"术语追踪表"：列出5-7个核心概念
• 追踪各术语在全文的表述方式
• 检查是否存在"一个东西多个名字"
• 判分（收严）：
  • 完全一致 → 100分 🟢
  • 仅存在领域公认同义词（如"粗差/过失误差"） → 85分 🟢
  • 1个核心术语有2种表述 → 55分 🟡
  • 1个核心术语有3种及以上表述 → 25分 🟠 标红
  • 多个核心术语混乱（尤其算法名称） → 0分 🔴 标红

5. 综合评分汇总

第一层质量分 =
  维1×0.20 + 维2×0.12 + 维3×0.12 + 维4×0.09 + 维5×0.06 + 维6×0.01
+ 维7×0.15 + 维8×0.15 + 维9×0.10

第一层风险分 = 100 − 第一层质量分     ← 必须转换后再查等级表

第三阶段：第二层 - 数学建模逻辑审查（权重40%）

8. 五项深度检查 对论文的每个模型，依次进行：

   • 2.1 模型常用性判断 对标[表9：数模常用模型库]，判断该模型是否为竞赛常见模型，还是AI高频的"高大上"模型

   • 2.2 复杂度vs收益评估 该模型的时间/空间复杂度是否与问题规模匹配？能否用更简单的方法？复杂度提升的收益有多大？

   • 2.3 华而不实识别 检查五大特征：(1)模型名复杂但实现不透明，(2)无基线对比，(3)不必要的超参数调优，(4)通用化无边界，(5)模型数过多

   • 2.4 模型选择"三问法" 对每个模型：问1-本题问题性质？问2-本题数据特征？问3-为什么选这个而不选替代？ 三问都能清晰回答 → 低风险；任何一问无法回答 → 中等风险

   • 2.5 建模路径风格对照 从建模路径、问题简化、模型选择、假设、数据适配、求解主线、结果解释、论文表达、稳健性和评审呈现十个方面，区分“人主导的渐进建模”与“AI式复杂化倾向”。详细规则见 references/audit-framework.md。该项只能作为组合证据：单独出现复杂模型、较多参数或较长篇幅，不得直接判定为AI生成。

9. 第二层输出 综合2.1-2.5的检查结果，汇总成"建模逻辑评分表"，给出建模逻辑风险等级

第四阶段：综合评分与报告生成

最终AI风险分 = (第一层风险分 + 第二层风险分) / 2 → 0-100

两层都必须先由质量分转换为风险分（风险分 = 100 − 质量分）再取平均。 直接对质量分取平均会得到方向相反的结论。

风险等级（v2.2 收严）：

• 0-15：🟢 低风险 — 可直接接收
• 16-30：🟡 中低风险 — 可接收，需补充改进
• 31-50：🟠 中风险 — 需深度检查后再决定
• 51-70：🔴 中高风险 — 强烈建议强制改稿
• 71-100：⛔ 高风险 — 建议拒稿

一票否决：触发 references/layer1-enhanced-detection.md §4.3 任一条件时，直接采用该条规定的等级，不再按加权分核算。

---

报告标红规范（v2.2强制）

报告必须让问题一眼可见，不得把风险项混在通过项里平铺呈现。

颜色语义（HTML报告统一使用）：

状态	色值	触发条件	呈现要求
🔴 严重	#c0392b	维度得分 <30 或触发一票否决	红底红框卡片 + 置于报告最前 + 列出证据页码
🟠 警示	#e67e22	维度得分 30-54	橙色左边框 + 明确写出改进动作
🟡 注意	#f39c12	维度得分 55-79	黄色标记 + 一句话说明
🟢 通过	#27ae60	维度得分 ≥80	常规呈现，不占视觉重心

强制要求：

1. 任一维度 <55 时，报告顶部必须有红色警示区，汇总全部标红项
2. 每个标红项必须包含三要素：问题描述 + 证据位置（页/节）+ 具体改法
3. 不得用"建议优化""可以更好"这类模糊措辞描述标红项
4. 评分表中标红行使用红色背景，不能只靠一个小图标区分
5. 若全部维度均 ≥80，才可在结论区使用绿色通过卡片

生成两个版本HTML报告：

• 简洁自检版：问题定位 + 优先级排序 + 快速改进指引
• 完整审查版：按论文结构逐部分详细分析 + 具体修改建议 + 参数溯源表

所有报告均标注"BZD数模社制作"，支持下载和打印

---

关键输出物

1. 第一层输出表（增强的9维融合框架）

【第一层评分汇总 v2.1】

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
【语言层面】(权重60%)         得分/100  权重    贡献
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
维度1: 高频连接词密度         XX/100   12%    XX%
维度2: 排比/同构句式          XX/100   7.2%   XX%
维度3: 拔高词(5级分类)       XX/100   7.2%   XX%
维度4: 被动句占比            XX/100   5.4%   XX%
维度5: 段落规律性            XX/100   3.6%   XX%
维度6: 文本复杂度(TTR/熵值)  XX/100   0.6%   XX%

语言小计                                60%    XX分

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
【事实层面】(权重40%)         得分/100  权重    贡献
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
维度7: 引文验证(L1-L3)       XX/100   15%    XX%
维度8: 数值一致性(参数追踪)  XX/100   15%    XX%
维度9: 术语一致性            XX/100   10%    XX%

事实小计                                40%    XX分

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
第一层最终得分                          XX/100
风险等级                        [绿/黄/橙/红/黑]
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

关键诊断：
🔴 高风险指标（需立即处理）：
   - 拔高词"显著"XX次，后跟数据仅XX次
   - TTR值XX < 0.4（词汇极度重复）

🟡 中等风险指标（需改进）：
   - 被动句占比XX% (目标15-20%)
   - 3-gram重复率XX% (目标<5%)

✅ 通过指标（无需改进）：
   - 引文5篇全部验证通过
   - 关键参数追踪完全一致
   - 术语使用基本统一

增强说明（相比v2.0）：

• ✨ 引文验证不再只是"格式检查"，而是真实性和支撑匹配度检查
• ✨ 增加了数值参数追踪，能发现虚构数据或计算不一致
• ✨ 增加了文本复杂度的科学度量（TTR、n-gram频率）
• ✨ 增加了术语一致性检测，发现概念混乱

2. 第二层输出表（模型合理性审查）

【第二层评分汇总】

模型常用性判断：            XX/100
  Q1: 模型名 → 常用/自定义/AI高频

模型复杂度评估：            XX/100
  Q1: 复杂度 vs 问题规模 → 合理/过度

华而不实识别：              XX/100
  五大特征检查 → 无/少/多

模型选择"三问法"：          XX/100
  Q1: 问题明确？Q2: 数据特征？Q3: 替代论证？

建模路径风格：              XX/100
  十项对照：渐进建模 / 混合 / AI式复杂化倾向

第二层总分 = XX/100

3. 最终AI风险评分

最终AI风险分 = (第一层 + 第二层) / 2 = XX/100
风险等级 = 🟢低 / 🟡中低 / 🟠中 / 🔴中高 / ⛔高
置信度 = 低/中/高（基于输入材料完整性）

关键发现：
  ✓ 建模逻辑清晰/✗ 模型选择有风险
  ✓ 参数溯源完整/✗ 参数来源模糊
  ✓ 问间对接明确/✗ 跨问联动不清
  ...

4. HTML分层报告

三个版本均自动生成，包含：

• 学生自检版：5分钟快速诊断清单 + 高频陷阱对照表 + Top3改进
• 老师评审版：两层评分表 + 问题清单 + 审查意见
• 完整审计版：详细的五维分析 + 两层审查 + 逐板块建议 + 综合评分

---

特殊说明

关于"置信度"

• 仅论文：置信度 = 中（±8-12分）
• 论文+赛题：置信度 = 中（±6-10分）
• 论文+赛题+代码/结果：置信度 = 高（±5-8分）
• 再加版本历史或对话记录：置信度 = 高（但仍非身份鉴定）

关于"模型选择"的AI痕迹

本工具重点关注模型选择中的两类典型AI痕迹：

1. 自证式论证：选择模型因为"该模型精度高、效率高"（不说明本题为什么需要）
2. 高大上陷阱：使用深度学习、强化学习、复杂优化等不必要的复杂模型

这两类是AI生成论文最容易被识别的特征。

关于"参数溯源"

每个参数应能追溯到：

• L1：赛题直接给出（标注*来自赛题）
• L2：前问推导出（标注*来自问i的结果）
• L3：物理约束推导（标注*由XXX约束推导）

无法追溯的参数 = 幽灵参数 = 高风险

---

文件清单

bzd-paper-aigc-auditor/
├── SKILL.md                          （本文件——skill定义）
├── README.md                         （项目说明）
├── references/
│   ├── audit-framework.md            （五维评分标准+检查表）
│   ├── humanizer-keywords.txt        （Humanizer-zh高频连接词表）
│   ├── models-zh.md                  （数模常用模型库vs AI高频模型）
│   └── patterns-zh.md                （AI常见自证式论证模式库）
└── templates/
    ├── BZD数模论文AI痕迹自查指南.html       （学生自检用户指南）
    └── BZD数模论文AI痕迹审计报告模板.html   （审计报告——简洁版+完整版）

---

快速开始

用户（学生/老师）流程：

1. 准备论文PDF或Word
2. 打开"BZD数模论文AI痕迹自查指南.docx"，按步骤操作
3. 调用本skill进行审计
4. 获得分层HTML报告
5. 按报告中的建议改进论文

社团/评委流程：

1. 收集参赛论文 + 赛题 + 代码（可选）
2. 批量调用本skill
3. 汇总HTML报告，形成评审档案
4. 用"老师评审版"或"完整审计版"进行决策

---

版本信息

• 当前版本：v2.0（2024-XX）

• 改进内容：

  • 加入Humanizer-zh高频连接词检测
  • 增加第二层"模型合理性"审查
  • 从单一报告升级为分层HTML报告
  • 权重调整：语言60%+其他40%
  • 新增"三问法"和"华而不实"识别

• 适用场景：CUMCM、美赛、国赛、校赛等数学建模竞赛

• 支持平台：Claude Code、Codex均可使用

---

重要声明

⚠️ 本工具的限制：

• 该评分不是作者身份概率，也不能替代正式AIGC检测或查重服务
• 仅凭成稿无法证明某句话由AI生成
• 数学建模中的规范句式、模型名称、专业术语天然可能重复
• 模型的创新性不等于AI拼装（本工具只判断模型选择的合理性）

✅ 本工具的优势：

• 专针对数学建模竞赛的AI痕迹识别
• 融合Humanizer-zh的中文文本分析
• 两层递进式检查，避免误判
• 分层输出，适应不同用户
• 可持续更新的模型库和模式库