Признаки ИИ, которые преподаватель видит без всякого детектора

Такой список существует в официальном виде: памятка «Антиплагиата» за сентябрь 2025 года перечисляет «Признаки ИИ-текста», и это чеклист для живого эксперта, а не описание алгоритма. Преподавателю не нужна программа, чтобы заметить большую букву после двоеточия, каскад однострочных буллитов, фразу «на момент моего последнего обновления знаний…» или ссылку на несуществующую статью. Ниже — этот чеклист с цифрами из исследований 2024–2026 годов и порядок самопроверки перед сдачей.

Чеклист из памятки: оформление выдаёт первым

Сначала различие, которое почти везде смешивают. Что считает алгоритм — тайна: Юрий Чехович в интервью Skillbox 28 февраля 2024 года подтвердил, что детектор анализирует «большой набор признаков», но перечислять их отказался. А опубликованный список адресован человеку и описывает, на что смотреть глазами. Поэтому аргумент «детектор у меня ничего не нашёл» не спасает, когда следы чата видны при беглом чтении.

Вот пункты памятки — список в этой статье один, и здесь перечисление содержательно:

• «Большие буквы после двоеточия» — рубрика «Оформление» открывается именно этим пунктом. В русской типографике после двоеточия идёт строчная; заглавная — калька с английского вывода модели. Из той же серии Title Case: Заголовки, Где Каждое Слово С Большой Буквы.
• «Наличие фраз, характерных для диалога с нейросетью». Пример приводит сама компания: «На момент моего последнего обновления знаний…». Родственные следы — метакомментарии вроде «надеюсь, это помогло» и «вот подробный разбор».
• «Излишняя структурированность текста: нумерация, буллиты, заголовки и подзаголовки». Sun et al. (ICML 2025) измерили: удаление markdown-форматирования роняет точность определения модели-автора с 97,1% до 73,1%. Оформление несёт около четверти сигнала.
• «Иногда излишняя „пышность“ речи, преувеличения, „торжественность“, превосходная степень».
• «Отсутствие конкретики: имен, дат, событий, географических названий».
• «Некорректные или искаженные названия терминов (как при плохом переводе)».
• «Ссылки на несуществующие источники» плюс «Галлюцинации, фактические ошибки».

Стиль: ровный позитив, тройки и «рыбка Дори»

Пышность из памятки измерена приборно. По данным iScience от 12 февраля 2026 года, маркеры позитивных эмоций у ИИ-текстов выше на 69–132%, маркеры уверенности — на 111–152%. Живой автор ругает методику источника и сомневается в собственных данных; модель хвалит всё подряд.

Счётные маркеры тоже известны. Троек однородных членов у LLM 7,13 на документ против 3,73 у экспертов-людей — сильнейший различающий признак. Риторические вопросы, наоборот, у людей встречаются более чем вдвое чаще. С конкретикой разрыв ещё нагляднее: AINL-Eval 2025 на 52 305 русских научных абстрактах показал, что люди вставляют в текст в десять раз больше цифр, чем модели. Страница без единой даты, фамилии и названия организации — повод перечитать её внимательно.

Отдельный пункт — «эффект рыбки Дори», выражение Чеховича: текст крутится вокруг темы, не добавляя нового. Осетрова и Седова (Сибирский филологический форум, 2025) описали механизм лингвистически — повтор темы без ввода полноценной ремы. Читается гладко. Пересказать нечего.

Парадокс оригинальности и фиктивные ссылки

Фиктивная ссылка — самый безжалостный пункт чеклиста, потому что проверяется за минуту: преподаватель вбивает DOI, тот не резолвится в Crossref — разговор окончен. Никакой детектор здесь не нужен.

Дальше парадокс. Памятка относит к признакам ИИ «Высокую оригинальность в детекторах плагиата» и «Отсутствие цитирования и самоцитирования». Студентов годами учили выжимать максимум оригинальности — теперь аномально чистый текст без единой цитаты сам по себе вызывает вопросы. Два модуля связаны в одну логику, и оптимум по одному ухудшает показания другого.

Честная оговорка: чеклист человека и сигнал машинного детектора совпадают не везде. Савельев (VERBA, 2024) показал, что удаление внутритекстовых ссылок поднимает оценку «человечности» текста в детекторе с 16% до 42%, а проза академика Виноградова получила 5,7% «человечности». Ссылочный аппарат в детекторе работает против автора, тогда как для преподавателя его отсутствие — признак генерации. Численных порогов у чеклиста нет, независимых измерений его точности — тоже.

Самопроверка перед сдачей

Пройдитесь по готовому тексту с этим списком. Замените заглавные буквы после двоеточий, перепишите заголовки в Title Case по-русски — с большой буквы только первое слово, — вычистите обрывки диалога с нейросетью: при копировании из чата они прилипают к работе чаще, чем кажется, и портят впечатление даже от честного текста. Проверьте каждую ссылку по DOI. Добавьте привязку к обстоятельствам: где и когда собраны данные, на какой выборке, кем.

Чего делать не стоит — вносить опечатки «для человечности». Дугарцыренова (Вестник РУДН, 2025) действительно относит идеальную пунктуацию к признакам машины, но намеренные ошибки ничего не доказывают и выглядят как умысел. Как устроена алгоритмическая сторона проверки и почему честные работы тоже попадают под пометку — в разборе ИИ-детекции; почему механическая «очеловечивающая» обработка не решает проблему, а добавляет рисков — в материале про хьюманайзер.

Ставки сейчас высоки. По данным РИА от 16 июля 2026 года, за второй квартал 2026-го проверено 2,73 млн работ, признаки ИИ найдены в 983,7 тыс. — в каждой третьей. «Коммерсантъ» 28 апреля 2026 года описывал вузы, где 1% «ИИ-контента» ведёт к отказу в допуске к защите. Позиция разработчика при этом зафиксирована в самой памятке: детектор — «маркер», а не «доказательство нечестной работы»; отметка снимается экспертом с комментарием, порог допуска устанавливает вуз локальным актом. Чеклист выше — язык, на котором этот спор можно вести предметно.

Вопрос — ответ

Может ли преподаватель распознать ИИ-текст без детектора?

Заподозрить — да. Памятка «Антиплагиата» 2025 года публикует список «Признаки ИИ-текста» именно как инструмент эксперта: большие буквы после двоеточия, излишняя структурированность, фразы диалога с нейросетью и фиктивные ссылки видны при обычном чтении. Но подозрение не равно доказательству: сама компания называет даже показания детектора «маркером», а решение о допуске принимает вуз по своему локальному регламенту.

Что делать, если честную работу посчитали сгенерированной?

Собирать доказательства процесса: черновики с историей версий, промежуточные файлы, собственные расчёты, переписку с научным руководителем. Ссылаться на документы разработчика — «процентный подход изжил себя», а отметка о подозрительности снимается экспертом с поясняющим комментарием. Ложные срабатывания задокументированы: Karr et al. (arXiv:2608.11256) зафиксировали пометки на научных абстрактах 2013–2015 годов, написанных до появления больших языковых моделей.

Списки и подзаголовки — это уже признак ИИ?

Сами по себе — нет: структуру курсовой задают ГОСТ и методичка кафедры. Памятка говорит об излишней структурированности — например, три-четыре однострочных буллита подряд или жирное слово-ярлык в начале каждого пункта. Sun et al. (ICML 2025) оценили вклад форматирования примерно в четверть сигнала атрибуции модели. Рабочее правило: перечисление уместно, когда оно содержательно и каждый пункт раскрыт хотя бы одним предложением.

Как это решает кот

КотПишетСам — не «нейросеть с промптом», а программный комплекс: над каждой работой выполняются тысячи операций помимо самой генерации текста — подбор и сверка реальных источников, сборка структуры, контроль терминов, оформление по ГОСТ. Хьюманайзер встроен в каждый продукт как штатный этап, а для уже написанных текстов доступен отдельно. В наших замерах комплекс стабильно даёт 0% ИИ-контента в Антиплагиат.ВУЗ; свежая курсовая покупателя — 0% ИИ и 87% оригинальности — открыта в примерах готовых работ. Примерить на свою тему можно с бесплатного плана: он собирается за минуту.