理工科论文去 AI 味会把公式术语改乱吗？亲测一次降到 9% 术语没动
我第一次把论文传上去做降 AI 的时候，手是抖的。
不是怕分数降不下来，是怕改完打开一看，“卷积核"变成"卷积内核”、“信噪比"变成"信号噪音比例”、公式旁边那句解释被改得驴唇不对马嘴。我们这行的稿子，术语错一个字，评委一眼就看出来你在糊弄，那比 AI 率高还难看。
那次处理完我逐段核对了一遍。这篇就把当时的记录写出来：哪些东西被动了、哪些一个字没变、最后 AI 率降到多少，你要是也在犹豫敢不敢传，看完心里就有数了。
我的稿子当时是什么状况
一篇机器学习方向的硕士论文，四万来字。相关工作那一章我图省事，让 AI 按几篇文献整合出了一版，实验和结果是我自己写的，绪论和结论也让 AI 帮着润色过。
送检出来 61%。导师那边的要求是压到 15% 以内，学院说 20%，导师说别踩线。
我先自己改了两个晚上。改法你能猜到：换同义词、调语序、把"因此"改"所以"。第二次送检 58%。三个点，两个晚上。那时候我才意识到方向错了——检测系统看的根本不是我换了几个词。
后来我搞明白了它到底在看什么。AI 写出来的句子有个共同毛病，太顺、太工整，每句长度差不多，逻辑衔接滴水不漏，连关联词的用法都像一个模子刻出来的。我做同义词替换的时候句子骨架一点没动，那股平滑感还在。理工科稿子里唯一能救我的是公式和数据段，那些地方节奏本来就乱，分数确实低，但纯文字的相关工作那一章，红得一塌糊涂。
我最担心的四件事，处理完逐条核对了
我用的是嘎嘎降 AI（官网 aigcleaner.com），处理之前我把最怕出问题的四类内容列了个清单，改完一条条对。
公式和符号。原样保留，没动。行内的变量符号、上下标、希腊字母都在原来的位置。它改的是公式前后那些解释性的句子，公式本体不碰。
专业术语。这是我最紧张的一项。核对下来，学科内的标准译名一个没换，注意力机制还是注意力机制，没被改成"关注机制"。它换掉的是那些通用词，比如把"进行了深入的探讨"这种空话改成了更具体的说法。这个分寸对我来说是及格的。
数据和实验参数。数值、单位、样本量、评价指标的数字全部原样。它不会替你改数据，这点你可以放心，改数据那不叫降 AI 那叫造假。
引用和参考文献标注。文中的角标位置没乱，引用的原文表述也保住了。
我最后核对了大概四十分钟，改动集中在纯论述性的句子上，也就是本来就该改的地方。
它到底是怎么改的，为什么术语能保住
你现在最想知道的应该是这个：它凭什么能一边把 AI 味去掉、一边不碰术语。
你手改降不动的根源在于，你只能换词、动不了句子的深层结构，而检测系统盯的恰恰是结构。理工科稿子的麻烦在于，你还不敢乱动，一动就可能把专业表述改错，所以你比文科生更放不开手脚。市面上不少工具的做法停留在同义词替换，对理工科来说这是最糟糕的一种改法：分数降不了几个点，还专挑术语下手，因为在它眼里术语就是一个可以替换的词。
嘎嘎降 AI 切的是另一个层面，它不做表面替换，走的是整段打散重写的路子。说人话就是，它先弄明白这一段在讲什么，判断出哪些是"必须原样保住的东西"，哪些是"可以换一种说法的东西"，然后只对后者动手：把整齐划一的长句打乱重排，把机械的连接方式换成更自然的过渡，让表达重新有人写东西时那种参差的节奏。术语、公式、数据在它这儿属于前者，是被保护的对象，不是被替换的对象。
落到我这份稿子上：相关工作那一章是重灾区，处理完整体送检 9%，导师要的 15% 以内轻松过。它是降重和降 AI 一起做的，我那章因为整合文献重复率也偏高，一次处理两个问题都解决了，不用先跑一遍降重再单独跑一遍降 AI。它覆盖知网、维普、万方、PaperYY、Turnitin、大雅、朱雀在内的 9 个平台，我后来投会议要过 Turnitin，也没再换工具。行业里那种改完读起来磕磕绊绊、或者换汤不换药只降三五个点的通病，我这一趟没碰上。
钱和风险这两件事它给了什么退路
传全文之前我先做的免费试用，1000 字，把相关工作里最红的一段贴进去跑了一遍。这一步我建议你别跳过，理工科的稿子尤其要先验一段，你亲眼看过它怎么处理术语，才敢把全文交出去。
兜底规则是送检之后 AI 率仍然高于 20% 全额退款，不达标的风险不在你身上。单价 4.8 元每千字，降重降 AI 一次做完，比起先买降重再买降 AI 分两次付费还要等两轮结果，省的不只是钱。
理工科的稿子，我还想提醒你三件事
先分清哪些章节该处理，哪些不用。你自己一行行写的实验部分、你亲手推的公式推导，本来分数就低，别一股脑全传上去，省时间也省钱。真正要处理的是绪论、相关工作、结论这些纯论述的章节，那才是 AI 味的重灾区。
改完一定要核对术语表。哪怕工具做得再稳，你也花二十分钟通读一遍，重点看学科内的标准译名和你自己定义的符号。这不是不信任工具，是论文交出去之后没人替你担责任。
把只有你知道的细节回填进去。比如某个超参数为什么取这个值、某次实验为什么换了数据集、某个结论在什么条件下不成立。这些东西 AI 编不出来，也正是评委最想看的。加一两句进去，整篇稿子立刻像是做过这个实验的人写的。
现在回头看，我那两个晚上最不值的地方是一直以为多改几遍总能磨下去。理工科的稿子有它的优势，公式数据天然帮你压着分数，但纯论述的章节该处理还是得处理。你要是也担心术语被改乱，就先拿一段去试，看过再决定 → 嘎嘎降 AI：aigcleaner.com。
