Опечатки, замена букв, перефразирование: разбор мифов об обходе детекторов

Ни один из этих приёмов не работает, и по каждому есть цифры. Опечатки меняют один-два признака из как минимум 26, которые анализирует детектор «Антиплагиата»; подмена кириллицы латиницей ловится отдельными проверками и превращает спорную пометку в доказательство умысла; наивное перефразирование повышает детектируемость — до +15,03% у Fast-DetectGPT. Разберём, откуда взялся каждый миф и чем он оборачивается на защите.

Опечатки и замена букв: косметика, которая вредит

У мифа про опечатки есть реальный корень. Дугарцыренова (Вестник РУДН, 2025) действительно относит идеальную пунктуацию и безошибочные сложные конструкции к признакам машинного письма. Отсюда студенческий вывод: насыплю ошибок — сойду за человека. Вывод неверен, потому что идеальность — лишь один признак из десятков. Разработчики «Антиплагиата» описали свою модель в «Докладах РАН» (Грицай, Грабовой, Кильдяков, Чехович, 2023): трансформер XLM-RoBERTa плюс 26 ручных числовых признаков, из которых публично подтверждены пять — части речи, пунктуация, индекс удобочитаемости Флеша, средняя длина предложения, количество стоп-слов. Заявленный F1 на русском — 0,968. Опечатки сдвинут пунктуационную статистику, и только. Части речи, длина предложений и распределение стоп-слов останутся машинными, а Ю. В. Чехович ещё в феврале 2024 года говорил Skillbox, что алгоритм анализирует «большой набор признаков», и раскрывать перечень отказался — вы даже не знаете, по каким осям «шумите».

С заменой букв ещё хуже. Латинская «o» вместо кириллической и символы нулевой ширины — техника из эпохи борьбы с поиском заимствований, но детектор ИИ — классификатор, и статистику текста подмена глифов не меняет. Зато гомоглифы, невидимые символы и аномальная пунктуация ловятся отдельными проверками и читаются как умысел. Разница принципиальная: пометку «Подозрительный документ» эксперт вправе снять кнопкой в отчёте с поясняющим комментарием, а решение о допуске принимает вуз по локальному регламенту (памятка «Антиплагиата», сентябрь 2025). Спорный стиль оспаривается. Латиница внутри русских слов — нет: это зафиксированная манипуляция файлом, и она работает против автора при любом происхождении текста. Что именно измеряют детекторы, мы подробно описали в разборе ИИ-детекции.

Перефразирование: детектируемость растёт

Самый живучий миф — и самый измеренный. Наивное перефразирование машинного текста повышает детектируемость: +8,57% у детектора RADAR, +15,03% у Fast-DetectGPT. Бенчмарк ARB (arXiv:2607.29539, июль 2026) показал, что ИИ-текст после второго прохода нейросети детектируется в 78–83% случаев: решающим оказывается происхождение содержания, а поверхностная правка его не меняет. Структура аргументации и равномерная плотность изложения переживают пересказ; конкретика от пересказа не появляется.

Синонимическую замену детектор «Антиплагиата» вообще знает в лицо. В span-модели команды (arXiv:2411.07343, SDP 2024) мультиклассовая голова обучена различать четыре класса: человек, ChatGPT, автоматическая синонимическая замена, суммаризация. Карусель синонимов для этой модели — отдельная мишень.

Честная оговорка: адверсариальное перефразирование под управлением детектора-суррогата снижало обнаружение в экспериментах в среднем на 87,88%. Но инструменты этого класса оставляют следы вроде тех же гомоглифов — и возвращают к сценарию «умысел вместо спорной пометки». Есть и зеркальные данные Университета Нотр-Дам: лёгкая ИИ-правка человеческого текста в духе «улучши формулировки» помечается в 64–80% случаев. Гибридный текст — худший режим для детектора и самая рискованная зона для автора. Снижает риск только содержательная переработка: свои данные, свои примеры, своя структура аргумента. Хьюманайзер в нашем исполнении занимается именно этим — перестраивает текст по нормам научного письма, потому что подмена слов, судя по цифрам выше, бесполезна.

Дробление: помечается фрагмент, а не средний процент

Логика «вставлю сгенерированные куски между своими — общий процент упадёт» игнорирует устройство отчёта. Span-модель классифицирует каждый токен в окне 350 токенов-слов, а отчёт «Подозрительный документ» указывает конкретные страницы с сомнительными местами. Turnitin устроен похоже: документ режется на перекрывающиеся сегменты по несколько сотен слов, каждое предложение получает балл 0 или 1. Вставленный фрагмент пометится сам по себе, с указанием страницы. Хуже того, разбавление плодит стыки «человек–машина», а стыки — зона максимальных ошибок: 54% ложных срабатываний Turnitin стоят вплотную к настоящему ИИ-тексту. Дробили вы или нет, оценивается связный массив от ~250–500 токенов — прятать генерацию в мелкую нарезку негде.

Что защищает честную работу

Давление реально. За II квартал 2026 года «Антиплагиат» проверил 2,73 млн работ и нашёл признаки ИИ в 983,7 тыс. — в каждой третьей (РИА Новости, 16.07.2026). «Коммерсантъ» 28.04.2026 описывал студентку с 96% «использования нейросетей» в полностью самостоятельной работе; некоторые вузы отказывают в допуске даже при 1%. При этом в памятках 2024–2025 годов сама компания формулирует осторожно: «процентный подход изжил себя», а ИИ-детекторы «следует рассматривать не как доказательство нечестной работы, а, скорее, как маркер». Слабое место всей статистики — независимого измерения ложных срабатываний на русскоязычных студенческих работах не существует: свежие 0,15% по документам (июль 2026) — цифра вендора.

Отсюда стратегия. Вместо трюков с символами — доказательства процесса: черновики с историей версий, промежуточные варианты, собственные расчёты, переписка с руководителем. Снятие пометки — штатная процедура, и выигрывают её документами.

Вопрос — ответ

Можно ли снять пометку «Подозрительный документ» в Антиплагиат.ВУЗ?

Да, это штатная функция системы. Эксперт нажимает кнопку в правой части отчёта и оставляет поясняющий комментарий; комментарий сохраняется в печатных формах. Решение о допуске принимает организация по своему локальному регламенту, а не алгоритм. Готовьте доказательства процесса: черновики, историю версий файла, собственные данные. Позиция самой компании из памятки сентября 2025 года: детектор «следует рассматривать не как доказательство нечестной работы, а, скорее, как маркер».

Почему детектор пометил работу, написанную без нейросетей?

Потому что он измеряет стиль, а не происхождение текста. Karr et al. (arXiv:2608.11256) зафиксировали ложные пометки на научных абстрактах 2013–2015 годов, написанных до появления генеративных моделей; Pangram 3.2 пометил 26,6% теологических текстов против 2,1% химических. Формальный академический слог статистически близок к машинному, поэтому гуманитарные работы рискуют заметно сильнее технических.

Поможет ли лёгкая правка сгенерированного текста?

Косметическая — нет. По данным бенчмарка ARB, переписанный нейросетью ИИ-текст детектируется в 78–83% случаев, а наивное перефразирование добавляет до 15 процентных пунктов детектируемости. Лёгкая ИИ-правка честного текста, по данным Нотр-Дама, сама помечается в 64–80% случаев. Снижает риск содержательная переработка — собственные данные, примеры и структура аргумента, потому что детектируемость определяется происхождением содержания.

Как это решает кот

У кота это устроено как программный комплекс полного цикла: генерация текста — малая часть, вокруг неё тысячи операций — источники с проверкой, структура, расчёты, термины, ГОСТ. Хьюманайзер включён в каждый продукт по умолчанию и доступен отдельно, если текст у вас уже есть. В наших замерах комплекс стабильно показывает 0% ИИ-контента в Антиплагиат.ВУЗ — свежая курсовая с 0% ИИ и 87% оригинальности открыта в примерах готовых работ. Проверить на своей теме: бесплатный план за минуту.