ข้ามไปที่เนื้อหา
ลองใช้ ZeroTell

สร้างขึ้นสำหรับนักเรียน นักเขียน และนักวิจัย

เครื่องตรวจจับโค้ด AI โดย ZeroTell · หลักฐานที่คุณตรวจสอบได้

วางฟังก์ชัน ไฟล์ หรือทั้งงาน เราวัดรูปแบบการเขียนที่ผู้ช่วย AI มักทิ้งไว้ ให้โมเดลตรวจโค้ดทีละบรรทัด และแสดงให้เห็นชัดเจนว่าทำไมผลประเมินจึงออกมาเช่นนั้น

0 บรรทัดโค้ด

สัญญาณความน่าจะเป็นว่าเป็น AI

นี่เป็นสัญญาณ ไม่ใช่ข้อพิสูจน์ โค้ดที่สะอาดและมีคอมเมนต์ดีซึ่งเขียนโดยคนที่รอบคอบอาจดู "เหมือน AI" และโค้ด AI ที่ถูกแก้ไขก็อาจดูเหมือนคนเขียนได้ อย่ากล่าวหาใครจากรายงานนี้เพียงอย่างเดียว

รายงานของคุณจะแสดงที่นี่: ระดับความน่าจะเป็น หมายเหตุในบรรทัดเฉพาะ และสัญญาณรูปแบบทั้งหมดที่เราวัด

เครื่องตรวจจับโค้ด AI ทำงานอย่างไร

  1. วางโค้ดหรืออัปโหลดไฟล์

    Python, JavaScript, TypeScript, Java, C, C++, C#, Go, Rust, PHP, Ruby, Kotlin, Swift และ SQL ได้รับการตรวจจับโดยอัตโนมัติ คุณยังเลือกภาษาเองได้

  2. เราวัดรูปแบบการเขียน

    ความหนาแน่นและถ้อยคำของคอมเมนต์ ความสม่ำเสมอของการตั้งชื่อ โครงสร้างพื้นฐาน เทมเพลต docstring การจัดการข้อผิดพลาดแบบป้องกัน และการกระจายความยาวบรรทัด ถูกนับด้วยวิธีเดียวกันทุกครั้ง

  3. โมเดลตรวจโค้ด

    โมเดลอ่านโค้ดที่มีหมายเลขกำกับควบคู่กับค่าที่วัดได้เหล่านั้น และเขียนหมายเหตุสั้น ๆ ในบรรทัดที่โดดเด่น ทั้งที่สนับสนุนและคัดค้านการสร้างโดย AI

  4. คุณได้รับระดับและเหตุผล

    ผลลัพธ์คือความน่าจะเป็นต่ำ กลาง หรือสูง ไม่ใช่เปอร์เซ็นต์ที่แม่นยำแบบหลอก ๆ พร้อมแสดงหลักฐานให้คุณตัดสินใจเอง

รายงานแสดงอะไร

  • ระดับความน่าจะเป็น

    ต่ำ กลาง หรือสูง สไตล์โค้ดไม่ใช่ลายนิ้วมือ เปอร์เซ็นต์จึงเป็นการอ้างความแม่นยำที่เครื่องตรวจจับใดก็ไม่มี

  • สัญญาณรูปแบบที่วัดได้

    สัญญาณแต่ละรายการระบุว่ามีการนับอะไร เช่น มีคอมเมนต์กี่รายการที่บรรยายโค้ด ดังนั้นการประเมินจึงไม่ใช่กล่องดำ

  • หมายเหตุทีละบรรทัด

    ผลตรวจชี้ไปยังตำแหน่งที่ชัดเจน เช่น docstring แบบเทมเพลตหรือข้อความแสดงข้อผิดพลาดแบบทั่วไป พร้อมหมายเลขบรรทัด

  • มีหลักฐานที่ดูเหมือนมนุษย์ด้วย

    คอมเมนต์สั้น ๆ TODO ที่มีบริบท และการตั้งชื่อที่ไม่สม่ำเสมอ จะนับเป็นหลักฐานว่ามนุษย์เป็นผู้เขียน และจะถูกรายงานด้วยเช่นกัน

ใครใช้งานบ้าง

  • ครูสอนวิทยาการคอมพิวเตอร์

    ได้จุดเริ่มต้นสำหรับการสนทนากับนักศึกษา พร้อมบรรทัดเฉพาะที่ควรถามนักศึกษา

  • นักศึกษา

    ดูว่าพฤติกรรมการเขียนโค้ดของคุณเองแบบใดอาจทำให้โค้ดดูเหมือนถูกสร้างขึ้น ก่อนที่คุณจะส่งงาน

  • ทีมสรรหาบุคลากร

    ตรวจโจทย์ทดสอบที่ให้ทำที่บ้านด้วยหลักฐานที่คุณพูดคุยได้ในการสัมภาษณ์รอบถัดไป แทนที่จะเป็นเพียงคะแนนตัวเลขล้วน

  • ผู้ดูแลโครงการโอเพนซอร์ส

    ระบุการมีส่วนร่วมที่อาจต้องพิจารณาการอนุญาตให้ใช้สิทธิ์และความครอบคลุมของการทดสอบอย่างละเอียดขึ้น

วิธีตรวจงานเพิ่มเติม

คำถามที่พบบ่อย

ไม่ได้ ไม่มีเครื่องมือใดทำได้ รายงานนี้เป็นเพียงสัญญาณจากพฤติกรรมด้านสไตล์ และนักพัฒนาที่มีประสบการณ์ซึ่งคอมเมนต์อย่างรอบคอบและทำตามคู่มือสไตล์มักเขียนโค้ดที่ดู “เหมือน AI” ใช้รายงานนี้เพื่อตัดสินใจว่าจะถามเรื่องอะไร ไม่ใช่ใช้เป็นหลักฐานเพียงอย่างเดียว

เปอร์เซ็นต์สื่อถึงความแม่นยำที่การวิเคราะห์สไตล์ให้ไม่ได้ ระดับต่ำ ปานกลาง และสูง อธิบายอย่างตรงไปตรงมาว่าสัญญาณชี้ไปในทิศทางหนึ่งมากเพียงใด

ความหนาแน่นของคอมเมนต์ ถ้อยคำในคอมเมนต์ ความสม่ำเสมอของการตั้งชื่อ โค้ดสำเร็จรูป เช่น บล็อกตัวอย่างการใช้งาน docstring แบบเทมเพลต ความละเอียดของถ้อยคำในการจัดการข้อผิดพลาด และความสม่ำเสมอของการกระจายความยาวบรรทัด แต่ละรายการจะแสดงพร้อมตัวเลขที่อยู่เบื้องหลัง

Python, JavaScript, TypeScript, Java, C, C++, C#, Go, Rust, PHP, Ruby, Kotlin, Swift และ SQL จะถูกตรวจหาอัตโนมัติ ภาษาอื่นยังได้รับการตรวจจากโมเดลและสัญญาณที่ไม่ขึ้นกับภาษา

ไม่ใช้เครดิตในแพ็กเกจ Pro* (*การใช้งานอย่างเป็นธรรม: ไม่เกิน 300 ครั้งต่อวัน เมื่อใช้เครื่องมือด้านการเขียน การเรียน และโค้ดรวมกัน) หากไม่มีแพ็กเกจ การตรวจแต่ละครั้งใช้ 2 เครดิต หากไม่มีบัญชี คุณสามารถดูตัวอย่างฟรีของ 150 บรรทัดแรกได้ และบัญชีฟรีดูตัวอย่างได้สูงสุด 3 ครั้งต่อวันในที่ที่มีตัวอย่างให้ใช้ รายงานฉบับเต็มต้องมีแพ็กเกจหรือเครดิต คุณตรวจได้ครั้งละไม่เกิน 20,000 ตัวอักษร

ไฟล์ที่อัปโหลดจะถูกอ่านในเบราว์เซอร์ของคุณและส่งเป็นข้อความเพื่อตรวจ โค้ดของคุณจะถูกส่งไปยังผู้ให้บริการ AI ของเราเพื่อตรวจสอบ และจะไม่ถูกเผยแพร่หรือเพิ่มลงในฐานข้อมูลใด ๆ

ดูหลักฐาน แล้วตัดสินใจ

วางโค้ด แล้วดูช่วงระดับความน่าจะเป็นพร้อมเหตุผลที่อยู่เบื้องหลัง

ตรวจโค้ด