先做这三件事，再点“改写”
第一步：删干净参考文献标记。原文里那些带方括号的编号，如[1][2]这类，还有作者名+年份的格式，比如“张三（2022）指出…”，全部删除。跃问不处理引用标记，会把[3]当作乱码吞掉，导致改写后的句子直接缺胳膊少腿。这一步必须手动清理干净，否则后续所有操作都可能出问题——断句出错、漏词，甚至整段逻辑全乱。
第二步：把大段文字切成200–400字的小块。整篇粘贴进去，AI很容易混淆不同段落的主语和时态。比如，原文里方法部分的被动语态“样品被置于恒温箱中”，它可能自作主张改成主动的“研究人员把样品放进恒温箱”，学术性直接崩塌。所以，按逻辑切分，让每一段都有一个清晰的主线，这样改写起来才稳定。
第三步：在跃问输入框顶部选“学术润色”模式。记住，不是“通用改写”或“口语化”。前者内置学科术语库，能保留“协方差分析”“非线性拟合”这类关键词不变；后者则可能胡乱替换成“一起变化分析”“弯弯曲曲匹配”，结果就完全跑偏了。
改写时盯住这四个地方
方法一：主谓宾结构倒置。举例来说，原文：“本实验采用SPSS 26.0进行单因素方差分析。” 你可以改成：“单因素方差分析借助SPSS 26.0完成。” ——动词从“采用”变成“借助”，主语“本实验”隐去，宾语“SPSS”提前。这种调整不改变事实，但文本指纹彻底刷新，查重系统很难再抓到。
方法二：拆分长句+插入逻辑连接词。原文：“由于温度升高导致分子热运动加剧，因而扩散速率加快，最终使反应平衡向吸热方向移动。” 你可以改成：“温度升高→分子热运动加剧→扩散速率随之加快。这一系列变化推动反应平衡向吸热方向偏移。” 注意，箭头符号“→”是跃问识别的指令符，它会自动转成“进而”“由此”“继而”等学术连接词，比手动填更自然、更流畅。
方法三：把“是/为/属于”判断句转成描述句。原文：“该模型属于灰色预测模型。” 改成：“该模型具备灰色预测模型的核心特征：小样本适应性与弱化随机性。” 这一步最关键——查重系统对“属于/是/即”这类判断句敏感度极高，换成本质描述，重复率立降15%以上。
改完立刻验证的硬操作
① 把跃问输出的每一段，复制进百度学术的“查重预检”框（免费），看标红位置是否从“连续13字重复”变成“零星2–3字撞词”。如果仍有大段标红，说明那段没真正改写，得返工重来。
② 对照原文逐句检查专业术语是否失真。曾有用户把“β-胡萝卜素”改成“橙黄色植物色素”，虽然降重成功，但答辩时被导师当场质疑：“你论文里写的‘橙黄色植物色素’，是指β-胡萝卜素、叶黄素，还是番茄红素？请明确定义。” 这种细节，稍不注意就会出大问题。
③ 最后导出前，在跃问右上角点“去除AI味”开关。它会自动删掉“综上所述”“值得注意的是”“需要强调的是”这类高频AI套话。这些短语在知网比对库里已经形成特征向量，开着反而增重，关掉才是正道。