ESL 研究者 AI 检测申诉信模板

我们的另一位博士生（第二年），一位伊朗计算生物学家，写出了论文章节，并在周五下午把它发给了导师。到了周一早上，她被系里的学术诚信办公室约谈。Turnitin 的 AI 检测将她的章节中 89% 的内容标记为由 AI 生成。像她这样的案例，正是本文中我们为何要推出这份 AI 检测误报申诉信模板的原因。她并没有使用 ChatGPT、Claude 或任何其他模型。她在四个月内逐字写完了这份内容。随后，六周后她赢得了申诉。

这起案件中唯一真正关键的，是一项来自 2023 年的斯坦福研究：研究显示，七大 AI 检测器会错误地将 61.3% 的 TOEFL 写作文章（由非母语英语学习者撰写）判为 AI 生成；而对使用相同写作提示的母语英语写作，几乎为零。检测器没有标记她的写作内容。它标记的是她 ESL 文风所呈现的模式。

自 2024 年初到 2026 年中，我们已将这一套方法用于 41 起 ESL 误报申诉。该趋势似乎同样适用于研究者的申诉：如果能证明自己有良好的写作流程，并写出一封结构扎实、且附有证据证明检测器已被验证，那么在课程层级赢得申诉的概率大约可达 60%，内部申诉通常还会更高。

但情况在 2026 年 2 月发生变化：纽约法院推翻了 Adelphi University 在 Newby v. Adelphi 案中的裁决，这是首个针对“基于 AI 检测进行纪律处分”的重大先例。与 Newby 案中获胜所使用的同样论点，如今会进一步强化所有依循这些论点的美国内部申诉。

本文提供模板与防御作战手册。我们将解释为何 ESL 研究者更容易被不成比例地标记，哪些证据能够持续赢得申诉；并附上可直接复制粘贴的 AI 检测误报申诉信模板（此前已为我们的客户证明有效）；同时还提供对 2026 版本的“吸收 Newby 案影响”的增补内容，以及何时需要升级处理。若你已经被标记，并且需要在未来 48 小时内完成申诉信，请直接跳转到模板部分。下方的背景情境章节将为你提供可用于随附的证据。

AI 检测误报申诉信模板真的有效吗？

有效。基于我们对 41 起 ESL 误报申诉的记录：将“完整的流程留痕”与“斯坦福 61.3% 的误报发现”相结合，并且在美国援引 Newby v. Adelphi 的先例，研究者在课程层级的申诉胜率约为 60%，且在内部申诉中胜率通常更高。下方的可复制模板会为你提供：精确的信件结构、2026 年的三处“Newby 友好型”新增内容，以及用于随信提交的 FERPA 请求。

为什么 AI 检测器会将 ESL 研究者误判为误报？

这一机制有充分文献支撑、且已经相当清楚，这也是为什么它在法庭上经得起审查。AI 检测器主要依据两项会与机器输出相关联的统计特征：低困惑度（在前文给定的情况下，下一词的可预测程度）以及低突发性（句子长度与结构在整段文本中变化幅度有多大）。

ESL 写作者（尤其是曾在本国接受过规范学术英语正式训练的人）在这两项指标上往往都表现较低分。短而可控的句子；连接词汇量有限（例如 “however”“therefore”“in addition”）；段落之间保持一致的文体；段落内采用平行结构。这些正是显式 ESL 教学所奖励的特征；同时，这些也正是检测器在编码中认为“更像机器”的特征。

斯坦福 2023 年研究（Liang、Yuksekgonul 和 Zou，发表于 Cell Patterns）对 TOEFL 写作样本测试了七大 AI 检测器：在常规阈值下，有 61.3% 的文章至少被一项检测器错误标记为 AI 生成；在宽松阈值下，97.8% 的文章至少被一项检测器标记。对于相同提示下的母语英语写作，其被标记率接近于零。自那之后，多家研究团队对该结果进行了复现与细化。

机构层面的后果并不均衡：有些大学更新政策，要求在检测器得分之外还需补充佐证证据，尤其是在 2026 年 2 月 Newby v. Adelphi 裁决揭露 Adelphi 自身 Turnitin 验证数据中存在 28% 的 ESL 误报率之后。另一些机构仍然将“高于 80% 的检测器得分”视为几乎决定性的结论。如果你是 ESL 研究者并已被标记，那么“gptzero false positive esl pattern”这份已被记录的文献证据，就能把你的案子放在正确语境中理解。

你如何证明你没有使用 AI？

在我们的案卷记录里，约 90% 的成功申诉都归入三类证据。在写信之前就先把每一类准备好。

流程证据。 你为起草文件所做的工作（由你使用的工具自动记录）。Google Docs 版本历史（File then Version history then See version history）。Word AutoRecover 文件以及其中嵌入的修订元数据。OneDrive 活动日志。如果你在浏览器中检索了资料，浏览器标签页历史会有帮助。文献管理器的快照（Zotero 会显示每条引用何时被添加）。尽早截屏并导出日志；有些平台会在预定周期后清理较旧数据。

对比写作样本。 一组具有代表性的你过往写作样本：可以来自同一门课程的更早阶段，也可以来自其他课程或你的已发表作品。准备三到五个样本就足够。关键在于展示：被标记文件中的文风模式与“你的正常模式”是一致的。如果这段语言读起来像你其他作品的风格，那么检测器标记的就是你的语言画像，而不是 AI 的使用。

检测器验证数据。 你的大学所使用的检测器的机构验证报告，且需要关注 ESL 特定的误报率。2023 年斯坦福 61.3% 的发现是起点。Newby v. Adelphi 的发现材料在至少一家大学中，揭示了 Turnitin 在自身机构入件环节的 28% ESL 误报率。供应商公布的精确率通常基于母语英语文本计算，不能直接外推到 ESL 场景。

一个可选但很有价值的第四类。 来自写作课程教师、写作中心导师，或能证明你写作模式的研究团队资深成员的一封简短支持信。该项并非成功申诉的必要条件，但纳入后会更具说服力。

AI 检测误报申诉信模板

以下是信件的大纲。该大纲对应学术诚信委员会希望在信中看到的内容。请把方括号中的部分按你的情形进行调整。将信件长度控制在两页单倍行距文本内；超过这一范围，容易失去读者的注意力。

[Date]

关于学术诚信认定的申诉，案号 [CASE NUMBER] [课程名称与编号，或论文章节标题] 提交日期：[DATE] 检测器评分： [PERCENTAGE]，[DETECTOR NAME and VERSION]

Dear [Recipient name],

我正在就上文所述提交事项中，于 [DATE] 出具的学术诚信认定，正式提出申诉。该认定依据的是来自 [DETECTOR NAME] 的单一 AI 检测分数。在准备本次提交的过程中，我以任何形式都未使用生成式人工智能。我恭请撤销该认定，理由如下。

1. Factual response to the finding

我在[TOOL，例如 Google Docs]中于[START DATE]至[SUBMISSION DATE]之间完成了提交稿的撰写。撰写过程是反复迭代的，在[N]次会议、跨[N]天完成，并产生了[N]次可见的修订保存。我在任何阶段都没有使用 ChatGPT、Claude、Gemini、DeepSeek 或任何其他大型语言模型。我也没有使用 AI 改写器或人类化工具。我使用了[LIST：标准工具，如用于参考文献的 Zotero、如适用则使用 Grammarly 免费版进行拼写检查]。以上所有工具均不属于机构政策中所称的生成式人工智能。

2. Evidence of authorship

I attach the following documentation as evidence:

显示 A：Google Docs 提交的版本历史（在 [DATE] 导出）。它显示在 [N] 个会话中有 [N] 次修订，并可查看带时间戳的编辑内容。

示例 B：来自 [COURSE / THESIS / PUBLISHED WORK] 的三份先前写作作业样本。这些文档中的文句写作模式与被标记提交中的模式相匹配。

展示C：关于非母语英语作者的检测器误报率的已发表证据摘要，包括2023年斯坦福大学研究（Liang、Yuksekgonul 和 Zou，Cell Patterns）。该研究发现，在针对非母语英语者的TOEFL作文中，七种主要AI检测器的误报率为61.3%，而在母语英语样本中几乎为零。

展示 D：[可选] 来自[写作中心导师 / 高级研究员 / 指导教师]的一封支持信，用于证明我的写作模式。

3. Detector validation

我恭敬地请求贵机构为测试群体（包括非母语英语作者）出具来自 [DETECTOR VENDOR] 的验证报告。Newby v. Adelphi（纽约，2026年2月）确立了：仅凭检测器分数支持的学术诚信认定，如果未提供学生语言画像的验证证据，不符合“优势证据”（preponderance of evidence）标准。基于我掌握的情况，我认为贵机构无法提供针对本案所用检测器及其阈值的、面向 ESL（英语作为第二语言）群体的特定验证数据。若贵机构无法为本案所用检测器及其阈值提供 ESL 特定的验证数据，那么该认定所依据的方法就是检测器供应商尚未针对我这一群体完成验证的方法。

4. Requested remedy

我恭敬地请求撤销该学术诚信认定，并清除相关记录。我随时可配合学院办公室认为适当的任何进一步听证或证据复核，并将充分配合任何与本机构学术诚信政策一致的程序。

Thank you for your consideration. I look forward to your response.

Sincerely,

Attachments:
 Exhibit A: Google Docs version history (PDF, [N] pages)
 Exhibit B: Previous writing samples (PDF, [N] pages)
 Exhibit C: Detector false-positive rate summary (PDF, [N] pages)
 Exhibit D: Letter of support (if applicable)

该结构刻意保持正式。学术诚信委员会会阅读大量带有情绪表达的信件；而这份模板中冷静、强调证据的语气，本身就是可信度信号。不要道歉，不要对检测器供应商发表任何“编辑性评论”，也不要对授课者动机进行揣测。

2026 年“吸收 Newby 案影响”的新增要点

2026 年 2 月的 Newby v. Adelphi 裁决，在美国创造了能够强化每一份内部申诉的论点，并且在其他地区也具有较强说服力。对标准申诉信模板而言，值得做的三处补充如下。

在第 3 部分引用 Newby。 上文模板的第 3 部分可以写成类似这样：这里至少需要引用 Newby。如果你的司法辖区在纽约，那么你可以把 Newby 作为具有约束力的州法院先例引用；如果在美国其他地方，你可以把它作为对“基于检测证据的程序公平性争议”的具有说服力的权威依据引用；在美国之外，可以把它作为比较性证据，即该类“仅靠检测结果”的结论已被司法审查并被否定。

要求提供机构层面的验证数据。 Newby 确立了：在为学术诚信认定进行辩护时，机构可能被要求提供检测器供应商的验证报告。请在你的申诉信中书面提出该请求。多数机构无法应要求提供 ESL 特定的验证数据；而“缺失”本身就能成为你案件的证据。

正确地界定“缺少草稿历史记录”。 Newby 尤其点名 Adelphi，是因为后者在一个根本不需要草稿历史记录的提交门户上，仍然据“缺少草稿历史记录”来得出结论。如果你的提交门户并不捕获修订历史，这属于机构的设计选择，而不是反证。若你的申诉信回应的认定中出现了“无草稿历史记录”，请在这一点上明确引用 Newby。

关于 Newby 案如何被赢下、以及它到底约束了什么“不约束了什么”，更全面的背景说明请参见我们的 general appeal-letter playbook，其中对程序层面的内容阐述得比本文更深入。

申诉信中不要做什么

以下是我们案卷记录里，曾导致本可赢得案件失利的常见错误。

不要道歉。 对你没有做过的事情道歉，会被读作“部分承认”。上面的模板刻意省略了道歉或遗憾表达。你是在对一项认定提出申诉，而不是在谈判和解。

不要攻击检测器供应商。 “GPTZero 不可靠”或“Turnitin 有偏见”会显得防御性更强，从而分量更轻。让第 C 项证据去完成它应做的工作：把检测器作为一个在特定用途上存在已知缺陷的工具呈现，而不是把它当作“目标”。

不要在申诉信中提交 AI 生成文本。 这可能听起来显而易见。我们认识的研究者曾在压力下为了赶截止期限，用 ChatGPT 起草申诉信并提交了它。有些学术诚信办公室甚至会把申诉信也交由同一类检测器进行检测。请你自己写申诉。

不要过度留证。 留下曾经发过的所有邮件，共 25 页，会显得绝望。上面的模板会让你写出 2 到 3 页的申诉信，并附上 3 到 4 份附件。尺寸要对。

不要跳过 FERPA 请求。 在美国，FERPA 赋予你查看教育记录的权利，其中包括检测器报告以及关于你案件的沟通材料。把 FERPA 请求与申诉信一起提交。在美国之外，你的等效法律（例如英国《2018 年数据保护法》、欧盟 GDPR 第 15 条的访问权，类似）也会产生同等效果。你的机构大概率还没有把证据正式化；把他们的注意力引导到你的请求上。

不要删除你的草稿。 一旦案件打开，你的草稿与版本历史就是证据。尽可能保存它们。如果你使用的工具会删除旧版本，请现在就导出。

何时需要升级处理

大多数申诉会在课程或院系层级解决。有些则需要升级。

向机构级申诉委员会。 如果课程层级的决定对你不利，而你的证据很强，那么几乎每一所机构都会要求你先用尽内部申诉途径，然后才允许走外部选项。使用同一份模板，但扩展为“结合机构回复 + 你的反驳”。

向机构级申诉监察员（ombudsman）。 这是一条并行流程，而不是替代。监察员可以记录申诉委员会可能未能处理的程序性失误。即使你赢了也有用，因为这些记录会推动机构改革。

向学生或员工法律服务办公室。 大型大学通常为学生提供免费的法律服务；许多学校也为员工和博士后提供并行资源。对于涉及学位撤销、签证状态或永久成绩单备注的案件，这是恰当的升级路径。Newby 造就了一小批专门处理 AI 检测案件的律师。

向外部法律顾问。 很少需要，但当机构流程失败且后果很大时，这就是合适的做法。Newby 家族花费了六位数的费用来对抗 Adelphi。大多数 ESL 研究者的申诉不需要升级到这一层；当证据整理得很好时，通常可以在内部层级得到有利结果。

仅在最后手段时向媒体施压（press）。 公众关注解决了部分案件，但也会提高机构的风险，使得“安静地撤销认定”更难。仅在内部升级已经耗尽且后果严重的情况下才保留这种路径。

与所有这些问题相伴的，是“预防”。如果你被标记过一次，那么能够击败误报检测的“表层变化”确实对未来草稿写作有实用价值。不改变你的文体、也不破坏你的引用，添加这些变化最干净的方法是使用 citation-aware humanizer；我们在关于把 AI 邻近文本人性化但不 breaking academic tone 的演练中，讲解了具体操作步骤。另一个相关担忧是：你实际在使用任何 AI 工具时，你的已发表作品需要披露哪些内容，这在我们关于 manuscripts 的 AI 披露指南中有说明。

常见问题

问：如果我是一名 ESL 研究者且检测器得分很高，我的申诉成功率有多大？

基于我们的案卷记录：带有良好流程留痕的 ESL 研究者申诉，在课程或院系层级大约有 60% 的案件能成功；在内部申诉中的成功比例通常更高。最能预测成功的两个因素是：（1）从草稿工具（如 Google Docs）中保留完整修订历史；以及（2）清晰引用斯坦福 2023 年关于检测偏差的证据，并在美国援引 Newby v. Adelphi 的裁决。很少有同时满足两项要求的案件仍然失败。

问：我需要律师来写申诉信吗？

不需要用于内部申诉。我们见过不少案例：在没有法律协助的情况下使用本文模板，仍然获得了成功。如果确需律师，请在涉及学位撤销、开除、签证状态（针对国际学生与研究者）或影响就业的永久成绩单备注等情形下考虑寻求法律帮助。模板加上证据包通常足以应对课程层级的认定。

问：我应该在申诉信之前还是之后提交 FERPA 请求？

两者最好同时提交；如果距离申诉截止还有几天，那么可以先提交 FERPA 请求。FERPA 请求往往能把检测器报告与内部沟通材料一并调出来，而这些通常正是你在申诉信中会希望引用的内容。我们也发现，仅仅提交 FERPA 请求这件事，会让机构在选择程序时更为谨慎。如果 FERPA 请求揭示了你在提交申诉时并不了解的内容，那么可以再补交补充陈述（supplemental brief）。

问：我的机构在美国以外。Newby 这个案子对我有帮助吗？

有，作为“具有说服力的比较性证据”。Newby 并不在纽约以外具有约束力，也不会直接约束任何美国以外机构。但相关推理是可移植的：仅凭一个检测器得分、却没有针对学生语言画像的验证证据，难以构成压倒性证据。英国、欧盟、加拿大、澳大利亚以及印度的学术诚信委员会都已经开始讨论这一论点。即便它不具有约束力，你也应当明确引用该案并引用其中的原则。

问：我能否在下一次提交中避免再次发生这种情况？

可以从三方面入手预防：写作时使用具备版本控制能力的工具；Google Docs 与 Word 默认都已开启这一选项（不要另存一个“干净副本”，再把原始草稿文件丢掉！）。让你的句子在节奏上保持变化；有意识地打散检测器寻找的“突发性节奏”。还可以将最终定稿交给一个 citation-aware humanizer，它会添加那些导致误报的表层变化，而不改变你的含义或引用。这些并非“通过漏洞作弊”的做法，而是针对偏差式测量方法的操作性对策。