Как Антиплагиат распознает нейросеть: четыре отметки
Как Антиплагиат распознает нейросеть в тексте: что значат четыре уровня признаков, почему процент видит лишь часть разметки и зачем смотреть версию модели.
Андрей
Преподаватель, научный редактор
7 мин чтения
На экране может быть низкий итоговый процент признаков ИИ, а в тексте — фиолетовые пометки. Это не обязательно сбой. Разбираясь, как Антиплагиат распознает нейросеть, я сначала выписал четыре вида отметок из сообщения разработчика об обновлении 5 ноября 2026 года. Оказалось, что в общий процент входит лишь один вид. Поэтому число и подсветку следует читать вместе, особенно если проверяешь введение к учебной работе после редакторских правок.
Коротко: система отмечает участки текста по выраженности признаков ИИ, а не устанавливает личность автора. Я проверил два официальных сообщения и памятку поставщика. Здесь описываю их содержание, не результат моего теста в аккаунте «Антиплагиата». Полный внутренний алгоритм и пороги для отдельных фраз поставщик в этих материалах не раскрывает.
Как Антиплагиат распознает нейросеть в отдельных фрагментах?
Разметка теперь различает четыре состояния. Первое — сильные признаки: по объяснению поставщика, алгоритм обнаружил устойчивые паттерны генерации. Второе — умеренные: сигналы возможного применения ИИ, в том числе в тексте, который затем редактировали вручную. Третье — слабые: единичные совпадения с такими паттернами. Четвёртое — признаки не обнаружены. Ни одно название не означает, что система знает историю создания файла.
Отметка в отчёте · Вид в тексте · Что можно понять без догадок об авторе
Сильные признаки — Яркий фиолетовый — Система относит этот фрагмент к наиболее выраженным сигналам
Умеренные признаки — Светло-фиолетовый — Сигнал есть, но его сила ниже; нужна проверка контекста
Слабые признаки — Полупрозрачный фиолетовый — Найдены отдельные совпадения с паттернами
Признаки не обнаружены — Без цветной отметки — В этом фрагменте детектор не отметил такие сигналы
Я бы не переводил эти цвета в самодельные «90% уверенности» или «студент точно пользовался чатом». В публикации нет вероятностей для каждой категории. Я сначала выписал цвета, но затем вернулся к пояснению самой категории: оттенок без контекста ничего не доказывает. Более того, поставщик пишет, что формулировки человека иногда похожи на типичные формулировки ИИ. Если я вижу одну слабую отметку в определении из учебника, первым делом проверю источник определения и смысл. Цвет не заменит чтение.
Почему итоговый процент может не совпадать с количеством пометок?
Самая неожиданная часть обновления: в итоговый процент признаков ИИ входят только фрагменты с сильными признаками. Умеренные и слабые видны отдельно, но не увеличивают это число. Я проверил формулировку разработчика дважды: принцип расчёта процента сохранился, изменился объём информации рядом с ним. Одно число не всё. Поэтому два отчёта с одинаковым итоговым показателем могут требовать разного чтения размеченного текста.
Возьму учебный пример, не реальную проверку. Введение занимает две страницы; система не ставит ни одной сильной отметки, но подсвечивает несколько предложений как умеренные. Из этого нельзя вывести, что автор точно применял ИИ. Нельзя и сказать, что «проверка ничего не заметила»: на экране есть отдельные сигналы, которые итоговый процент не учитывает. Их обсуждают по конкретным фразам и содержанию. Именно здесь полезно открыть разметку, а не пересказывать одно число в переписке с преподавателем.
Второй случай: процент вырос после повторной проверки того же текста. Прежде чем искать изменившиеся слова, надо выяснить, не поменялась ли версия детектора. Это не объяснит всякое расхождение автоматически, но исключит поспешный вывод, будто ученик обязательно переписал работу между загрузками. Сначала сравни условия проверки.
Что изменилось в границах выделенных участков?
В ноябрьском описании обновления поставщик говорит о более подробной разметке границ человеческого и предположительно сгенерированного текста. Смысл практический: небольшой отмеченный отрывок внутри авторского абзаца теперь можно рассмотреть отдельно от соседних предложений. Это особенно важно для смешанных способов работы — например, когда человек использовал ИИ при редактировании, а затем сам развил аргумент.
Разметка границы всё равно остаётся оценкой детектора. Она не показывает, кто нажал клавиши, какой инструмент открывал автор и какую именно правку внёс. Я представляю проверку введения так: один абзац содержит постановку вопроса, чужую цитату и собственное объяснение. Даже если окрашен только кусок объяснения, проверяющему нужно читать весь абзац и ссылку на источник. Иначе граница на экране станет ложной границей между «своим» и «чужим» смыслом.
Разработчик сообщил и результаты собственных испытаний обновления: доля ложных отметок в работах, написанных людьми, снизилась с 0,18% до 0,14%; для текстов, целиком созданных ИИ, корректная разметка выросла с 90% до 96% текста. Это заявленные поставщиком показатели испытаний, а не гарантия для каждой курсовой или оценка вероятности ошибки конкретного фрагмента. Объём и состав тестовых работ в новости не раскрыты настолько, чтобы переносить эти числа на свой документ. Эту оговорку я записал рядом с цифрами, иначе они слишком легко превращаются в обещание.
Как Антиплагиат распознает нейросеть при повторной проверке?
С сентября 2026 года, по отдельному сообщению «Антиплагиата», в отчёте можно увидеть версию модели, которой проверяли документ. Поставщик предлагает использовать её для сопоставления разных проверок, обращения в поддержку и разбора случая, когда студент и преподаватель получили разные значения. Я сравнил сентябрьскую и ноябрьскую новости: первая помогает установить, какой версией проверяли текст, вторая — прочитать силу сигналов внутри него. Версия — часть истории измерения, а не печать об истинности результата.
Если на столе два отчёта, я сверяю четыре вещи в таком порядке:
Одинаков ли проверенный текст: содержание, объём и версия файла? Иначе сравниваются разные работы.
Совпадает ли указанная версия модели? При различии результат мог измениться из-за обновления; это лишь возможная причина.
Какие участки имеют сильные, умеренные и слабые признаки в каждом отчёте? Итоговый процент скрывает часть этой картины.
Есть ли содержательная причина насторожиться: неподтверждённая ссылка, неверный вывод, неудачная связь с источником? Её надо разбирать независимо от цвета.
Такой порядок пригоден и проверяющему, и студенту. Последний пункт я особенно берегу: даже идеально «белый» абзац может содержать выдуманную ссылку. И наоборот, отмеченный цветом текст может быть осмысленной авторской редактурой. Детектор не заменяет предметную оценку работы.
Может ли отметка доказать происхождение текста?
Нет. В официальной памятке по искусственно сгенерированным текстам поставщик прямо отделяет признаки от стопроцентного доказательства авторства и предлагает экспертный анализ содержания. Памятка старше ноябрьского интерфейса, поэтому её нельзя использовать как описание всех новых цветов, но ограничение вывода остаётся существенным. Решение о допустимости помощи ИИ определяется правилами конкретной организации, а не одним процентом в отчёте.
Преподавателю я бы предложил три отдельные проверки. Они удерживают разговор у текста, а не у догадок о сервисе:
Содержание: что утверждает отмеченный фрагмент и следует ли вывод из источника?
Процесс: какую помощь применил автор и что из этого можно подтвердить по доступным материалам работы?
Правила: разрешал ли курс такой способ подготовки текста и требовал ли сообщить о нём?
Первый пункт проверяет качество работы, третий — соблюдение правил. Смешав их, легко наказать за стилистическую похожесть или пропустить фактическую ошибку только потому, что отметки нет. Промежуточный ответ тоже важен: честное описание процесса не превращает плохую аргументацию в хорошую.
Для подготовки к разговору можно взять обезличенный абзац и попросить LibraChat составить вопросы к его аргументации: «Выдели проверяемые утверждения, укажи, где нужна ссылка, и задай три вопроса, которые покажут, понимаю ли я вывод». Это предлагаемый запрос, не проверка автора и не рассказ о полученном мною ответе. Ответ чата тоже потребуется перепроверить по источнику. Если планируешь работать с таким разбором регулярно, заранее проверь актуальные варианты доступа к LibraChat.
Если тебе уже выставили отметку, путь к отчёту и подготовку объяснения я разобрал в отдельной статье. Здесь действие иное. Попробуй прямо сейчас: возьми две версии одного отчёта, если они есть, выпиши версию модели и категории на спорном участке. Затем проверь саму мысль и источник. Так появится конкретный предмет для разговора, даже когда цвет и итоговый процент говорят разными голосами.
