0 / 16 项已确认
⚠️ 有 3 个致命风险未确认，请立即处理
0%
🚫 致命: 0/3⚠️ 高风险: 0/6⚡ 中风险: 0/5ℹ️ 低风险: 0/2
MOSS 是如何工作的？
MOSS（Stanford）将代码转化为 token 序列后比对，能够检测：变量重命名、注释删除、代码重排、循环变形、函数拆分/合并。
被 MOSS 标记不等于直接定罪，但会触发人工审查。人工审查中教授会看：代码风格突变、无法解释的实现、与他人的结构性相似。
代码来源与独立性
0/4所有代码是由我独立编写，没有直接复制同学的代码（即使对方"同意分享"）
🚫 致命
MOSS 直接检测代码结构相似性，即使你修改了变量名。同学之间共享代码是最常见的违规来源。
没有使用网络上现成的完整解题代码（如 GitHub、Chegg、Course Hero）
🚫 致命
很多学校维护着与 MOSS 比对的已知解题代码库，包括往届提交和互联网公开代码。
没有使用 AI 工具（ChatGPT/Copilot/Cursor）直接生成作业要求的核心算法或函数，或使用了但课程明确允许
⚠️ 高风险
许多大学已明确禁止用 AI 生成代码提交。部分学校通过分析代码风格的一致性来检测 AI 生成。
参加过 Study Group / 讨论过思路，但最终代码实现是完全独立完成的
⚠️ 高风险
讨论思路通常是允许的，但从讨论到"一起写代码"的界限很模糊。确保你能独立解释你的每一行代码。
GitHub / 仓库管理
0/3作业代码仓库设置为 Private（私有），未公开在 GitHub/GitLab/Bitbucket
🚫 致命
MOSS 会扫描公开 GitHub 仓库。即使你的课程从未提及，教授可以直接搜索到你的公开仓库。
没有 fork 或 clone 作业相关的公开仓库后再提交（即使修改了内容）
⚠️ 高风险
Fork 关系在 GitHub 上是可见的，教授可以追溯你的代码来源。
确认课程不使用 GitHub Classroom（此类平台教授可直接看到所有提交历史和 fork 关系）
⚡ 中风险
GitHub Classroom 给了教授完全的可视性，包括每次 commit 的时间戳和内容。
外部代码引用规范
0/3使用了 Stack Overflow / 网络片段的代码，已在注释中标注来源 URL 和使用范围
⚠️ 高风险
使用外部代码不一定违规，但必须注明来源。"小量参考"与"大量使用"的边界由课程规定决定。
使用了课程讲义/教材中的示例代码，已标注为"adapted from lecture slides / textbook"
⚠️ 高风险
即使是老师给的代码，如果你大量使用也需要标注，否则看起来像独立完成。
使用的第三方库/框架已在 README 或 requirements.txt 中列出
⚡ 中风险
使用标准库无需特别说明，但使用了课程未介绍的第三方库，最好在 README 中解释选择原因。
代码风格与一致性
0/3整个代码库的命名风格、缩进、注释语言保持一致（不是一半中文注释、一半英文注释）
⚡ 中风险
风格不一致是代码来源多处的明显信号，教授会注意到突然变化的编程风格。
代码复杂度与你之前的作业/考试水平相当，没有突然出现明显超出你能力范围的实现
⚡ 中风险
如果你之前的作业都是基础水平，突然提交了高度优化的复杂实现，这本身就是一个风险信号。
代码中没有残留他人信息（如他人的学号、姓名、邮箱、GitHub 用户名）
ℹ️ 低风险
这听起来很基础，但有学生确实因为忘记删除原作者注释而被举报。
理解与可辩护性
0/3我可以向教授完整解释代码中每个主要函数的逻辑和设计决策
⚠️ 高风险
很多学校有 Viva（口头答辩）环节，或教授会在评分时问你问题。无法解释自己的代码是最直接的违规证据。
我对代码中每个 edge case 的处理有意识的考虑（而不是偶然通过了测试）
⚡ 中风险
高质量的作业不只是"能运行"，教授会看你的代码是否有防御性编程和边界处理。
已本地运行所有提供的测试用例，并在提交前再次验证代码可正常运行
ℹ️ 低风险
提交"跑不起来"的代码是最不值得的失分，而且无法用"我懂"来解释。