复检的AI率比上次高，第一步是找回两次实际送检的文件。仅凭报告数字变化，无法确定是正文修改、范围不同还是平台需要解释的情况。先把差异弄清楚，才能决定继续修改是否值得。
用两列记录，排除最常见的版本问题
左列写第一次，右列写第二次：检测日期、平台和入口、文件名、正文起止位置、报告显示的统计范围。另存两份送检文件，打开摘要、修改章节和末尾，确认第二次有没有漏回填结果，或者选中了旧稿。
文件名可以相同，内容却不同。建议给正在使用的稿件加清楚的版本后缀，并保留修改记录；不必为了这一步学习复杂软件。报告若有文件信息，也和本地稿件核对，不把相似的名称当作同一份内容的证明。
还要确认两次看的都是AI检测指标。查重相似度与AI率不能混用，更不能把一种报告的变化机制套给另一种。比如Turnitin截止后相似度变化的说明讨论的是特定作业条件下的相似度报告，不足以解释任意AI检测分差。
找到差异后，沿三条路径处理
| 核对结果 | 接下来做什么 |
|---|---|
| 上传了旧稿、漏了章节或回填错误 | 修正文件，按允许的流程重新提交；先不购买新一轮改写 |
| 正文确实修改过 | 对照改动段和报告标记，检查修改是否引入重复表达、删去限定或改变检测范围 |
| 文件、范围均能确认一致，仍有分差 | 保存两份报告，向平台或接收方询问对应指标和生成情况，暂不编造原因 |
提出问题时，把具体文件版本、两次时间和差异位置附上，比一句“你们算法是不是变了”更容易得到可核对的答复。平台尚未解释的部分保持未知，不能因为发生在某一天就断言更新了算法。
什么时候再用降AI工具
若比较后发现某段表达确实需要调整，可以从PaperMomo的文本工作台重新试一个完整段落。功能说明列出了降AI、降重与组合模式，按实际问题选择即可。
处理后先比较原意、术语、数字和句间关系，认可的修改才合回终稿。若此前结果已经自然可用，而新分差尚无可解释的正文问题，就先保留该版本，不把重复消耗积分当作排查办法。
复检应使用最终采用稿，按相同目标和明确范围进行。保存“这份文件对应这份报告”的关系，并记下本轮实际修改了什么。这样即使还需下一轮，也能从一个清楚的版本继续，而不是在多份结果中猜测哪一次有效。