1. Klassificera dokumentkontexten
Fastställ om texten är en uppsats, en forskningsartikel, en artikel, en affärsrapport, en ansökan eller ett internt dokument innan du tolkar risken för AI-skrivande.
Metodik
WriteGo är byggt kring arbetsflöden för skrivintegritet: poängsätt dokumentet, visa bevisen, minska falska positiva och låt människor behålla kontrollen över beslut med höga insatser.
Riktmärke
WriteGo har publicerat utvärderingsprotokollet som beskrivs nedan, men ännu ingen granskningsbar prestandarapport som stöder en exakt rubriknoggrannhet. Tills datamängdsdefinitionen, den versionshanterade testproceduren, resultaten per undergrupp och det reproducerbara materialet är offentliga bör detektorpoäng behandlas som probabilistiska granskningssignaler.
Metodinnehåll version 2026-07-15 · granskad av WriteGos produkt och teknik · utkast till offentligt protokoll, granskningsbara prestandaresultat väntar.
Inget benchmark-genomsnitt kan bevisa hur ett enskilt dokument har skrivits. Textlängd, språk, redigering, översättning, genre, modelländringar och blandat författarskap kan alla ändra signalen, så åtgärder med höga insatser kräver oberoende sammanhang och mänsklig granskning.
Uppdateringsnotis: Den här revideringen skiljer det offentliga utvärderingsprotokollet från opublicerade prestandapåståenden. Numeriska resultat läggs till först tillsammans med datamängdsdefinitionen, en versionshanterad testprocedur, resultat per undergrupp och reproducerbart material.
Detektorns utdata är granskningsbevis, inte ett slutgiltigt utlåtande. Rapporter visar signaler på meningsnivå, konfidensintervall och granskaranteckningar så att team kan fatta försvarbara beslut.
Det offentliga protokollet kräver versionshanterade modellfamiljer, prover med blandat författarskap, redigerade utkast, mänskligt skrivande, flerspråkig text och domänspecifik prosa. Prestandaresultat förblir avvaktande tills det stödjande materialet är granskningsbart.
Produkten föredrar transparenta riskband framför absoluta anklagelser. Robusta arbetsflöden kombinerar signaler om AI-sannolikhet med källkontext, skrivhistorik, utkast och policyer.
Hantering av inlämningar, åtkomst och lagring måste följa den publicerade integritetspolicyn, kontoinställningarna och det konfigurerade arbetsflödet. Granskare bör undvika att lämna in känslig text utan att kontrollera de tillämpliga kontrollerna.
Granskningsflöde
Metodiken skiljer triage från bedömning. Granskare bör förstå vad som skannades, varför en passage flaggades, vilka mönster av falska positiva som gäller och vilken policybaserad åtgärd som är lämplig.
Fastställ om texten är en uppsats, en forskningsartikel, en artikel, en affärsrapport, en ansökan eller ett internt dokument innan du tolkar risken för AI-skrivande.
Använd poängen på dokumentnivå för triage och granska sedan beviset på menings- eller styckenivå som orsakade riskbandet.
Kontrollera om texten är kort, översatt, mallbaserad, skriven av en icke-modersmålstalare, kraftigt redigerad eller citatrik innan du eskalerar ett resultat.
Registrera prompten, uppgiften, källmaterialet, utkasten, granskaranteckningarna och policytröskeln som formade det slutgiltiga beslutet.
Acceptera texten, begär revidering, be om redovisning, eskalera för granskning eller avfärda signalen när det stödjande beviset är svagt.
Begränsningar
Tillförlitlig AI-detektering är transparent om osäkerhet. WriteGo undviker att presentera en enskild poäng som ett slutgiltigt utlåtande.
Inte än. WriteGo har publicerat sin utvärderingsmetod, men en versionshanterad benchmark-rapport med datamängdsdefinitioner, resultat per undergrupp och reproducerbart material väntar fortfarande. Därför presenterar vi inte en exakt noggrannhetsnivå som ett verifierat offentligt påstående. Detektorns utdata förblir probabilistiskt granskningsunderlag, inte bevis på enskilt författarskap.
Nej. WriteGo behandlar utdata från AI-detektering som granskningsbevis, inte som bevis. Beslut med höga insatser bör inkludera utkast, källor, policyer och mänsklig bedömning.
Metodiken förklarar hur poäng kalibreras, vilka bevis granskare ser, hur falska positiva hanteras och när ett resultat bör eskaleras.
Team bör granska flaggade passager, jämföra den stödjande kontexten, kontrollera mönster av falska positiva, dokumentera granskaranteckningar och välja en policybaserad nästa åtgärd.