送检维普AIGC检测前，很多人会陷入两种相反的误判：一种是看到报告里参考文献、图注表注没有标出疑似度，就以为这些内容“不用管”，结果连正文里该改的段落也一起放过了；另一种是听说系统会做格式清洗，就把正文内容往图表说明里挪，试图让文字“消失”在检测范围之外。这两种做法都不稳妥。更合理的思路是：先弄清预处理阶段大概会清洗掉哪些格式成分，再据此把送检稿分成“需要逐段核对的正文”和“不需要按AI疑似度改写的说明性内容”，最后按合规方式处理正文。检测范围和版本差异较大，具体以维普官方最新说明和所在学校、期刊的要求为准。
一、先理解“预处理”在做什么
AIGC检测系统通常不会把整篇文档当作一个连续字符串直接打分，而是先做结构化处理：识别文档的章节层级，剔除或隔离不影响语义判断的成分，再把剩下的正文切分成若干检测单元，逐段给出AI疑似度。报告里呈现的“段落级疑似度”，对应的就是这些检测单元，而不是文档里的每一个字符。
这就解释了一个常见现象：同一篇稿子，参考文献列表、图题、表题、注释往往没有单独的高亮或分值，而正文段落却逐段标色。原因通常不是这些部分“通过了检测”，而是它们没有进入检测单元，或者被单独归类处理。理解这一点，才能避免把“报告没标”误读为“内容没问题”。
需要提醒的是，不同版本、不同入口（学生版、期刊版、机构版等）的预处理规则可能不同，同一份稿子在不同时间送检也可能出现差异。因此下面给出的是一套自查框架，而不是对维普具体实现的固定描述。
二、送检前先做一次“格式清洗范围”核对
核对的目的不是猜算法，而是确认你的稿件里哪些成分属于“结构性内容”，哪些属于“论证性内容”。可以按下面的顺序过一遍。
1. 参考文献与致谢
参考文献条目、致谢、附录清单通常属于结构性内容，一般不会被当作论证段落来评估AI疑似度。但这不意味着可以随意处理：参考文献的著录格式、序号连续性、正文引用与条目的一一对应，仍然会被格式检测和人工审阅关注。送检前应确认编号没有断档、没有把正文句子误排进文献列表，也没有把文献条目写成整段叙述。
2. 图题、表题与图表说明
图题（如“图3-1 样本分布”）和表题一般属于标识性文字，图下的数据来源说明、表下的注释也多为说明性内容。它们通常不承担论证功能，因此不是改写重点。但要注意两点：一是说明文字应简短、客观，只交代数据来源、口径、单位等；二是不要把本该写在正文里的分析、结论、推理过程搬进图注表注。把正文藏进说明性内容，既不符合写作规范，也容易被人工审阅识破，属于典型的规避行为，不应采用。
3. 页眉页脚、目录、公式编号与自动编号
目录、页眉页脚、自动生成的编号、公式编号等，属于排版层面的成分，通常不构成检测单元。核对时主要看它们是否干扰了正文的切分，例如手动换行导致的段落断裂、复制粘贴带来的隐藏字符、公式与正文混排造成的段落误判。这些技术性瑕疵会让段落切分变得零碎，进而影响报告的可读性。
4. 表格内的文字
表格单元格中的文字是否进入检测，往往取决于系统对表格的解析方式，不同版本表现可能不一致。稳妥的做法是：不要把关键论证只放在表格里，正文应有对应的文字说明；同时避免在表格中塞入大段叙述性文字。这样无论表格是否被纳入检测，稿件的论证都是完整的。
三、把稿件分成两类内容来处理
核对完格式清洗范围后，可以画一条简单的分界线。
第一类：需要逐段核对的正文。 包括引言、文献综述、研究设计、结果分析、讨论、结论等承担论证功能的段落。这些是报告给出疑似度的主要对象，也是送检前真正需要投入时间的地方。核对时看三件事：段落是否有明确的论点、是否有具体的材料或数据支撑、句子之间的推进是否有逻辑而非并列堆砌。
第二类：不需要按AI疑似度改写的说明性内容。 包括参考文献条目、图题表题、数据来源注释、附录清单等。对这些内容，工作重点是格式准确、信息完整、与正文对应，而不是“降AI味”。
这条分界线的作用是防止误改：把参考文献改写成口语化叙述、给图注加上大段分析，既无助于降低正文疑似度，反而破坏规范。
四、正文段落的排查与修改顺序
对第一类内容，建议按“先定位、再判断、后改写”的顺序处理。
- 定位高疑似段落。 把报告中标色较重的段落摘出来，按章节归类，看是否集中在某一类段落，例如综述性铺陈、概念定义、研究背景。
- 判断成因。 常见成因有三类：一是段落以概括性表述为主，缺少具体材料；二是句式高度整齐，长句并列、连接词重复；三是内容与已有文献表述过于接近。不同成因对应不同改法。
- 针对性改写。 对缺少材料的段落，补入自己的数据、案例或对文献的具体评述；对句式整齐的段落，拆长句、调整语序、把并列改为递进或因果；对表述接近文献的段落，改为转述并明确标注引用。
- 复检。 改写后重读整段，确认论点仍在、引用仍准确、术语前后一致，再决定是否需要再次送检。
下面是一个对照示例，仅示意改法，不代表任何检测结果。
改写前：随着人工智能技术的快速发展，其在教育领域的应用日益广泛，越来越多的研究者关注其对学习效果的影响，相关研究不断涌现。 改写后：近三年国内关于AI辅助学习的研究明显增多，但结论并不一致：有的实验发现使用智能辅导系统的班级在阶段性测验中平均分更高，也有研究指出这种优势在控制学习时长后消失。分歧可能来自任务类型和测量方式的差异。
改写后的段落保留了主题，但加入了时间范围、具体结论和分歧来源，句子之间的推进也更明确。
五、几条容易踩的坑
- 把“没标疑似度”当成“没问题”。 参考文献和图注不被评估，不等于正文可以放松。
- 把正文挪进图表说明。 这属于规避检测，不是写作优化，且会破坏稿件结构。
- 为降疑似度删掉引用。 引用是学术规范的一部分，删引用换来的分数没有意义。
- 只改词不改论证。 同义替换和语序调整对论证薄弱的段落作用有限，根本仍是补材料和理清逻辑。
- 忽视版本差异。 不同入口、不同时间的检测结果可能不同，送检前应确认学校或期刊指定的版本与要求。
六、送检前的最后一张清单
- 确认参考文献编号连续、正文引用与条目对应；
- 确认图题表题简洁，说明文字只交代来源与口径，未夹带论证；
- 确认目录、页眉页脚、公式编号未造成段落断裂；
- 确认表格中的关键信息在正文有文字对应；
- 对报告高疑似段落逐段核对论点、材料与句式，完成改写并复检；
- 核对学校或期刊对检测版本、送检格式的具体要求，以官方最新说明为准。
把这张清单走完，送检稿的结构就是清楚的：哪些内容进入检测单元、哪些不进入，心里有数；该改的正文改到位，不该动的说明性内容保持规范。这比盯着一个百分比反复折腾更有效，也更经得起后续的审阅。
