一篇文章经 AI 润色后，明明还是作者自己的内容，却可能被平台判成机器生成。Sebastian Raschka 的这份教程从这个尴尬场景出发，带读者从零搭建 AI 文本检测器：它根据文字的统计特征打出 0—100 分，表示文本与训练数据中“AI 生成”这一类别有多相似，而不是鉴定作者身份。
教程采用 DistilBERT 分类器，串起数据构造、评估、训练和本地部署，最后做成可供人或程序调用的 API，并配有浏览器界面；界面既显示全文分数，也能标出各段文字的得分。更有意思的是，作者还把检测器用作 verifier（自动评分员），通过 RLVR——用可自动核验的结果奖励模型——训练一个 SLM（算力需求较低、可在个人设备运行的小语言模型）写出更难被发现的文本。
这也揭示了检测器的根本限制：它学到的只是特定模式，新模型可能有意或无意绕开它，人写的文字也可能被误判。作者因此把项目定位为理解检测系统与验证器应用的教学实验，而非可靠的身份裁决工具。