AI 剽竊檢測

Last updated: July 22, 2026

招聘過程中的抄襲行為會損害評估的完整性,使得準確評估候選人的能力變得困難。抄襲檢測工具有助於維護公平性,創造公平的競爭環境,從而做出更好的招聘決策。

程式碼抄襲的類型

我們遇到三種類型的程式碼抄襲:

  • 在明確禁止時使用AI工具。

  • 從網路等其他外部來源抄襲。

  • 從參加同一測驗的其他人那裡複製程式碼。

抄襲檢測模型的類型

標準抄襲檢測

標準抄襲檢測預設為所有測試啟用。它使用 Moss(軟體相似性測量)來比較候選人的程式碼與我們資料庫中其他程式碼。此方法能有效識別來自外部來源或複製測試案例的抄襲行為(如上述程式碼抄襲類型中所提及)。然而,根據程式碼長度和相似性閾值等因素,它可能會產生誤報。

進階AI抄襲檢測

為了解決所有三種類型的程式碼抄襲,包括AI輔助的學術不端行為,我們開發了一個進階的機器學習(ML)模型。此模型分析多個因素,例如:

  • 程式碼撰寫模式

  • 解決問題所需時間

  • 複製貼上活動

  • 分頁切換行為

機器學習模型預測可疑行為,並將測試中的候選嘗試分類為「高」或「中」。這種檢測對於識別在限制使用時使用 ChatGPT 等 AI 工具特別有用。

被標記的嘗試會在候選人報告中突出顯示,讓招聘團隊能夠檢視原因並做出明智的決定。人工監督仍然至關重要,因為機器學習模型目前的整體精確度為 85%,意味著被標記的會話有 85% 的時間是正確的。

注意:AI 抄襲檢測功能目前僅支援程式設計問題。

限制

AI抄襲檢測在評估只需最少努力即可獲得滿分的問題,或當解決方案僅包含極少行程式碼時,其功能會受到限制。這些情況往往缺乏足夠的數據點來進行準確檢測。然而,如果有大量外部內容被複製貼上,系統仍會標記該回應為潛在抄襲。

注意: 鑑於這是一個機器學習模型,我們遵守 AEDT / 紐約市人工智慧法。中提到的審計要求。

為測驗啟用進階抄襲檢測

此功能可從測驗設定中啟用。

步驟

  • 在測驗中點擊設定,然後在測驗管理部分下選擇測驗完整性。

  • 向下滾動至抄襲並開啟AI 抄襲切換開關。

  • 在接下來的彈出視窗中點擊同意並啟用。

7c6722ef-474f-4575-86f8-7df538645a7a.gif

應試者同意

當啟用AI抄襲檢測時,應試者必須在開始測試前表示同意。

7bf3e75d-b7ec-434b-9965-65858e62a65e (1) (1).png

用於檢測的信號

考慮因素的非詳盡清單:

  • 複製貼上: 從外部來源複製大量程式碼。

  • 編碼模式: 程式碼結構相似性和獨特的編碼風格。

  • 迭代: 在處理分層任務時程式碼中的多次迭代。

  • 分頁切換: 在執行期間從活動測試分頁切換到其他分頁。

檢視被標記的抄襲嘗試

當考生的測驗嘗試被標記為抄襲時,會根據模型預測的信心水準分類為「高」或「中」。請按照以下步驟檢視這些被標記的嘗試。

步驟

  1. 導航至候選人清單,並選擇測試嘗試已被標記的候選人。

  2. 您可以在候選人摘要報告的表現標籤下查看可疑活動。

  3. 要查看抄襲信號的更多詳細信息,請點擊已被標記的問題。

  4. 在問題詳細信息中,按鍵代碼播放器讓您快速了解候選人為何被標記為抄襲。您可以導航到他們編碼過程中可能發生潛在可疑活動的相關部分。

CodeSimilarity.gif

了解標記的原因

候選人的答題可能被標記的主要類別有兩種:

程式碼相似性:候選人的程式碼與一個或多個候選人的提交內容相似,顯示可能存在抄襲行為。

編程模式:透過候選人在測試期間的按鍵模式檢測到異常行為。這可能涉及:

  • 程式碼迭代

  • 寫作模式或

  • 分頁切換實例

編程行為中的子模式:當編程模式引起對候選人行為的擔憂時,通常會檢測到以下子模式:

  • 可疑的程式碼重置: 先前撰寫的大段程式碼被刪除並取代,伴隨著不規則的輸入或游標移動。

  • 外部複製貼上: 大量程式碼直接從外部來源複製。

持續模型改進

HackerRank 的專門機器學習團隊透過學習新興的程式碼抄襲模式和錯誤分類,持續改進抄襲檢測模型。當取得統計上顯著的改進時,模型的新更新會自動部署。

常見問題

在外部 IDE 中編程而不是在 HackerRank 平台上編程會觸發潛在的作弊標記嗎?

如果候選人使用專案功能,該功能支援離線工作流程(在自己的 IDE 中編程並將代碼推送到 HackerRank 平台),則不會觸發作弊標記。

但是,如果候選人在外部 IDE 中解決標準編程問題並將其代碼複製貼上到 HackerRank 平台,系統很可能會將此行為標記為可疑活動。

相關文章