一个87%的AI概率分数，被直接当成了处分通知。这是开发者Joseph John Bassey在描述高校学术诚信现状时给出的判断：商业AI检测器产出的，是不透明的概率性结论，而不是证据。

他把矛头指向了这套流程的副作用：这类分数可能对非英语母语者造成不成比例的影响，触发有缺陷的纪律程序，并侵蚀学生与教师之间的信任。为此，他做了一个叫Margin的学术审查系统，参加Clocked Build Challenge 2026。

Margin的定位很明确——帮课程负责人和讲师批量审查学生提交的作业，走一条透明、证据优先的流程。整套系统的原则只有一句：机器负责标记，教育者负责决定。

它没有把AI分数当作违规证明，而是用Clocked的推理接口搭了一条证据流水线，每个环节产出的都是给人看的信息，而不是自动的学术不端裁决。

• Clocked Protect：识别并移除学生姓名、学号、邮箱等直接身份标识，之后用S-01、S-02这类匿名令牌区分提交件。
• Clocked Compare：在同一批提交件之间两两比对，而不是只搜公开网络。
• Clocked Verify：把学生的主张对照课程大纲或指定阅读材料做核验。
• Clocked Rerank：评估相关阅读片段对解决某个主张有多大用处，排出优先级。
• Human Reviewer Ledger：教育者并排查看提交件、检查字符偏移证据，并记录自己的决定。

关于隐私，开发者特意划了一条线：移除直接身份标识是一种隐私保护措施，不等于符合FERPA（美国《家庭教育权利和隐私法》）。实际合规取决于整个系统、数据处理方式、机构义务和适用法律。

比对环节盯的是两类模式。一类是矛盾：两份提交件之间的直接事实冲突，比如两篇论文描述看似相同的实验，却分别报告了45次和120次迭代。另一类是共享事实与近似重复：相似的推理或重叠段落，用笔刷式高亮标出来方便对照。

这些信号只是调查线索，不是抄袭的证据。相似可能有合理解释，矛盾的结果也可能来自不同方法、假设或记录错误。

核验环节把学生的主张分成三类：有支持（提供的课程材料能支撑）、部分支持（材料只给出不完整或有保留的支持）、无支持（提供的材料不足以支撑）。无支持的主张会被优先推给教师审查。

这里同样有边界：某个主张无法对照某份阅读材料核实，不代表它一定是错的，它可能需要另一个来源、更多上下文或更细致的解读。

工程上最现实的问题是成本。一个30人的研讨班，两两比对就是435次唯一比较，一次批量几百个API调用，账单涨得很快。Margin加了两道闸。

第一道是本地n-gram预过滤：提交件在内存里被切成字符n-gram，没有词汇重叠的配对在发请求前就被剪掉。开发者强调这只是省钱的启发式手段，不是判断两份作业是否相关的定论。第二道是MAX_PAIRS服务端上限，默认值20，界面会实时估算所需比较次数，防止意外的大批量直接跑出去。

缓存用的是SHA-256内容哈希，落在clocked_cache/目录下。缓存键函数先把JSON对象的键递归排序再序列化，这样等价的请求负载无论键的插入顺序如何，都会得到同一个缓存键。还有一条严格的“永不缓存错误”策略：瞬时失败不会被存成成功结果，后续请求可以重试，而不是复用陈旧的错误。

并发方面，出站请求被包在一个四工作线程的并发池里，用的是p-limit。遇到HTTP 429和5xx响应，重试策略是指数退避加随机抖动，把重试间隔拉开，降低同时刻请求反复撞上同一个限流的概率。

界面刻意避开了又一块紫色渐变加霓虹的深色仪表盘。Margin用的是纸、墨、钴蓝的设计语言，灵感来自印刷试卷、批注文档和学术期刊：暖纸色#F4F1EA做背景，深墨色#101426做一像素边框和硬阴影，半透明的笔洗色#C5CEFF做证据高亮，内阴影效果像教授的高亮笔划过相关段落。没有引入Tailwind或外部UI组件库，只用原生CSS自定义属性。

为了让评审和开发者不用折腾环境就能上手，落地页有一个⚖️ Judge Access入口，直接以评审身份进入预置的GNS102 Informatics & Formal Methods批次。没有配置CLOCKED_API_KEY时，系统回落到确定性的预计算夹具数据，可以离线走完整个流程。项目包含34个自动化测试，分布在六个测试套件里，通过Node.js原生测试运行器执行。

代码在github.com/Josephjbassey/margin-review，克隆后依次执行npm install、npm run seed、npm run dev即可。要用真实的Clocked API功能，需要相应的凭证和配置。

开发者最后留了一句不那么好听的话：围绕隐私、误报、解读和自动化分析边界，仍有难题没有答案，这些问题应该成为设计过程的一部分，而不是事后补丁。他的目标不是自动化指控，是让学术审查更透明、更基于证据、更公平。