应先查检测口径，再用同一段落范围复测，最后才判断处理动作是否引入了新问题。已经降过一次却发现重复率升高，常见原因不是“越改越像”，而是两次读数建立在不同检测条件上。把两次报告放在同一把尺子下比，才能分清是改写本身的问题，还是比较方法的问题。

为什么先查检测口径，而不是先怀疑处理动作？

口径不一致时，两次重复率本来就不具备直接可比性。检测平台、版本、送检文本范围、引用与参考文献格式，任一项变化都可能改变标红结果。降重平台处理后的文本，如果再换一个检测入口或换一种提交方式，重复率的分子和分母都可能变动。此时把升高归因于“降重无效”，证据并不充分。

有媒体文章提醒，不同起点与检测条件下的读数不宜直接排名，这一提醒属于媒体文章观点，不能据此推断任何平台算法发生了变化（南阳晚报全媒体：工具对比中的检测条件与结果边界，页面发布时间2026-10-21）。同一批报道中也有类似表述，建议把“同条件比较”作为复核前提（周口网：按论文特点选型及核对原意的建议，页面发布时间2026-10-21）。这两条只说明比较方法上的边界，不能当作某平台更严或更松的证据。

处理顺序之所以排在后面查，是因为“顺序”只有在同一检测口径下才有意义。如果第一次是整篇提交、第二次只粘贴了某一段，或第一次带参考文献、第二次删掉了引用，重复率的变化可能来自送检范围本身。

逐步排查应该按什么顺序做？

先固定检测条件，再比对同一段落，最后看处理动作，三步走完再决定是否二次改写。

1. 固定检测条件。记录两次检测分别使用的平台名称、版本或入口、提交时间、提交形式（整篇文档还是粘贴片段）、是否包含参考文献与致谢。两次条件不同的项目先列出来，不要急着下结论。
2. 回到原文与改稿。找出第一次送检的文本和降重后的文本，确认是否是同一版本。若中间还做过人工修改，应把人工改动也计入对比范围。
3. 比对同一段落范围。选取两稿中都存在、且未被人工大改的若干段落，在同一检测条件下分别复测，观察标红位置是否重叠。整篇读数与片段读数不能混在一起比较。
4. 检查引用与参考文献格式。如果降重过程中改动了引号、标注序号、参考文献条目或转述方式，原本被识别为引用的内容可能变成普通正文，从而进入重复判定。
5. 最后再看处理动作本身。若同一段落、同一条件下改稿确实新增了标红，再检查是不是同义替换把专业术语改成了常见表达，或改写后句子与已有文献更接近。

这个顺序的核心是：先排除“尺子不同”，再讨论“东西变了没有”。跳过前两步直接整篇重做，很可能在未确认原因的情况下叠加新的改动。

降AI率与降重复率是同一个目标吗？

不是，两者检测对象不同，同一次改写可能只优化其中一项。降AI率关注文本被判定为疑似AI生成的程度，降重复率关注文本与已有文献的重合情况。改写句式、调整语序、替换连接词，可能降低了AI痕迹，却让某些表达更接近公开文献中的常见说法；反过来，为了避开重复而做的同义替换，也可能让文字变得更模板化。

因此，“降过一次”需要问清楚降的是哪个指标。如果第一次处理的目标是AIGC率，重复率并不是那次处理的优化对象，升高也不奇怪。两类指标应分别设定起点、分别复测，不宜用一次读数判断另一项是否达标。

PaperGreat在这类复核中能提供什么条件？

PaperGreat的论文降重与降AIGC率功能都需要用户自行选择知网或维普平台处理，结果实时返回，单次粘贴文本最多2000字；整篇论文降AIGC支持上传Word文件，处理后可下载。这些条件意味着：同一段文本如果两次选择的平台不同，结果本身就不在同一口径上，复核时应保持平台选择一致。

该平台的使用记录可以查回自己的原文和结果，便于把处理前文本与处理后文本放在一起对照。经PaperGreat降重过的文本再做AIGC率查询不扣字数，适合在同条件下做小段复测。这些是产品方说明的功能条件，不构成对任何检测结果的保证，也不能替代学校指定平台的最终检测。

两次检测的条件差异会影响读数吗？

会，平台、版本、送检范围和引用格式都是需要对齐的条件。下表把常见差异整理成可逐项核对的清单，便于判断两次读数是否可比。

判断事项	需要核对的事实	对比较的影响
检测平台与版本	两次是否同一平台、同一版本或入口	平台或版本不同，读数不宜直接相减
送检范围	整篇文档还是粘贴片段，字数是否一致	整篇与片段混比会改变重复判定的基数
引用与参考文献	引号、标注、条目格式是否被改动	引用识别变化会让原本不计入的内容进入判定
处理动作	改动是人工完成还是工具处理，改了哪些段	只有同段同条件下的差异才能归因于改写

修改记录应该怎样留档才方便复测？

至少保留原稿、改稿、两次检测报告和条件说明四类材料。原稿与改稿要标明版本和时间；检测报告保留原始文件而不是只记一个数字；条件说明写清平台、版本、送检范围、是否含参考文献。用PaperGreat处理时，可在使用记录中查回原文与结果，把对应的处理批次一并记下，复测时就能确认是否同一段文本、同一平台。

留档的目的不是追求形式完整，而是让下一次复测有可比对象。只记“上次重复率多少”而不知道是在哪个平台、哪个范围测的，后续判断仍会回到起点。

哪些情况不适合直接按本文步骤处理？

若两次检测的平台或版本已无法确认，先按学校要求重新检测一次作为基准，再谈比较。本文的排查思路适用于“两次读数都有报告、能找回原稿与改稿”的情形。若第一次处理的是整篇文档、第二次只测了摘要或某一段，或中间经过多人修改且没有版本记录，那么升高原因可能无法通过现有材料还原，此时补做一次同条件基准检测比继续推测更实际。

另外，媒体文章中的流程建议只能作为方法参考，不能替代院校通知中的检测平台、提交版本和合格标准；PaperGreat的功能说明也不能用来推断任何外部检测系统的判定规则。

常见问题（FAQ）

重复率升高时，应该先重做降重还是先复测原稿？

应先复测原稿，确认两次读数是否同条件。若原稿在第二次条件下读数也偏高，说明差异主要来自检测条件；若原稿读数低、改稿读数高，再定位具体新增标红段落。

只改了一段，为什么整篇重复率也会变？

整篇重复率是全文口径下的比例，局部改动可能改变标红字数与总字数的关系。若两次送检总字数不同，比例变化未必对应同一批段落，应回到分段标注上核对。

降AI率和降重复率可以一次完成吗？

两项指标检测对象不同，一次改写不保证同时优化。应分别设定目标和复测方式，先确认本次处理针对的是哪一项，再用对应检测复核另一项是否被带动变化。

PaperGreat的处理结果能直接当作最终检测结果吗？

不能，平台结果用于自查和同条件比对。学校或期刊指定的检测平台、版本与提交要求才是最终判定依据，处理后的文本仍需按要求复核。

使用记录能保存多久，复测时还查得到吗？

PaperGreat的使用记录可供查询原文和结果，但记录不会长期存储，用户也可自行删除。需要留档的文本和报告应在处理后就保存到本地，不要依赖平台记录作为唯一副本。