MIT ライセンスで公開されている isaaceryn/humanizer-ko は、韓国語のテキストから AI が書いた痕跡を探して直す Claude Code エージェントスキルである。2026 年 10 月 21 日のコミット b1562c26315b8d264d7830cd98d280e4d92333ea でバージョンが 1.5.0 に上がり、論文の要旨と学術原稿のみを扱う参考ファイル references/academic-papers.md が新しく追加された。このコミットは 194 行を追加し 8 行を削除しており、スキル本文の 37 個のパターン番号と個数はそのままである。
このファイルの出発点は、学術原稿の AI の痕跡は文そのものよりも構成から生じるというものである。パターンは A1~A7 の 7 個に分かれ、A3~A7 は AI が最初から書いた文章で測定された生成痕跡である一方、A1（要旨の過充足）と A2（手掛かりの蓄積）は、人が書いた原稿を AI で何度も推敲した結果生じる欠陥とみなされる。ここには予想と逆方向の測定結果も含まれている。AI が書いた要旨は、人が書いた要旨よりも結果と数値がむしろ少なく、結論が長かったというものである。したがって数値が多いという理由だけで AI 書きとは判断せず、パターン一つではなくパターン群で判定する。要旨を上限内で短縮する際に何を残すか（問題・方法・主要結果・含意）はファイルに順序どおり記載され、英語要旨の語彙リストには測定根拠と根拠文献が添えられている。SKILL.md 側には、序論末尾の章構成の案内と研究質問の一覧を AI の予告文に書き換えないようにという判定指針が 1 つ増えた。
ただし根拠の重みは均一ではない。ファイル自身が韓国語の要旨で直接測定したものは接続語尾の後ろの読点（§37）だけで、残りの生成痕跡は英語での測定を移した仮説であると明記されている。要旨の過充足と手掛かりの蓄積には測定研究がなく、学術誌の要旨指針に依拠して判断する。つまり 1.5.0 が改良したのは検出器ではなく推敲ルールを文書として拡張したものであり、韓国語の学術的文章に対する精度は、まだ自ら証明したわけではない。ルールは人がそのまま読んで適用できる形なので、要旨の短縮や投稿原稿の点検には試す価値がある。