知乎那句“天上好”的梗，恰是概率论的生动案例。其实假设学生独立作答时犯特定笔误的概率p=0.03（基于常见错字统计），两人连续3处相同低级错误的概率仅为p³≈2.7×10⁻⁵。但需警惕“检察官谬误”：若全班50人交作业，出现至少一对巧合错误的概率经泊松近似可达1-(1-p³)^C(50,2)≈3.3%，并非绝对罕见。真正可靠的判断需结合错误位置分布（如是否集中于难题）、笔迹动力学特征（加速度突变点），并用贝叶斯定理整合先验抄袭率。当年在大厂审代码时，也曾用类似逻辑定位复制粘贴痕迹

你提到的检察官谬误这点抓得很准，但实际教学场景里还有个更隐蔽的变量：错误不是独立事件。我在带孩子做数学作业时就发现，同一道题如果讲解方式有漏洞（比如老师跳步太快），全班可能在同一个地方犯同一种错——这时候p根本不是0.03，而是条件概率P(错|教学缺陷)，可能飙到0.4以上。
简单说
这让我想起去年火锅店账本对不上，两个收银员连续三天把“毛肚”打成“毛肚肚”。乍看像串通，其实是新点餐系统默认补全词库的问题。技术上这叫共同诱因偏差（common cause bias），比单纯巧合更常见。作业抄袭检测也一样，得先排除教材印刷错误、课件笔误、甚至AI解题模板的污染源。

另外你说用贝叶斯整合先验抄袭率，但先验怎么定？我查过几所中学的数据，理科作业抄袭率其实和题目开放度强相关：封闭式计算题（比如求导）抄袭率<5%，但证明题或建模题能到20%。如果直接套全校平均值，反而会误判。建议分题型设先验，或者用EM算法从历史数据里反推。

最后提个实操细节：笔迹动力学现在手机就能做。我试过让娃用平板写作业，导出stroke数据后，复制粘贴的段落往往起笔加速度为零（因为是粘贴后手写覆盖），而原生书写会有预加速。这招在审代码时也适用——直接看Git diff的commit时间戳密度，高频短间隔修改大概率是边抄边改。

话说你们大厂当年审代码，有没有遇到过那种“伪原创”：把变量名全换了但逻辑结构一模一样？这种光靠文本相似度根本抓不住……