报告、求职信和作业大多以文档文件往来。文档除了正文,还带有用什么程序、如何制作的痕迹,所以比粘贴的文字多一些可看的东西。
从 PDF、DOCX、HWP、HWPX 中提取正文,用文字检测器读取。引用多的文档会去掉引用、只重读作者自己的文字,避免别人的文字左右结果。文字检测是测试版、可能出错,这一点对文档同样适用。
DOCX 的修订标识、编写程序记录、PDF 的生成工具记录,说明了文档经过怎样的过程制作。一次性粘贴而成的文档和长期修改的文档,这些痕迹不同,但仅凭这些不会判定为 AI 写作。
PDF 会因换行和分栏,在提取时把句子截断。Origma 会先把断开的行接起来复原句子再读取,但像扫描版 PDF 这样文字是图片的文档无法读取正文,会给出暂不判定。
文档结果会分开显示正文检测和结构痕迹。用于评分或招聘时,不要只凭结果下结论,而是把它当作同时核实写作过程和草稿记录的对话起点。
本文为一般性说明,不构成法律意见。检查结果是概率性评估,不是证明。