AI让论文更好写，学术诚信如何“不掉链子”

　　吴頔告诉中青报·中青网记者，以前的论文初审主要关注选题、格式和复制比。如今，编辑还要辨别语言是否空泛、论证有没有实质内容，以及那些格式规范的参考文献，能否找到真实存在的原文。吴頔遇到过一些稿件，语言流畅但内容空洞；公式化摘要像套用模板；引用看着齐全，顺着数字对象唯一标识符(DOI)查找，却打不开相应文献。

　　尽管AI也在帮助编辑完成语言润色、格式整理等重复性工作，但在吴頔的观察中，科研诚信审查和原始材料核查的压力随之上升，“单靠查重率远远不够”。

　　当AI从原来的简单润色修改、检索文献进一步深入到数据分析、研究推理以及同行评审，学术出版面临的学术诚信问题也越来越复杂：一项成果是怎样形成的，哪些环节由AI工具参与，谁核验过其中的事实，又由谁为最终发表的内容负责？

　　看着“很像样”的论文，内含多少“猫腻”

　　在10月举行的2026世界青年科学家峰会——青年科学家与一流期刊共生发展论坛上，英国物理学会出版社亚太出版总监杨萍萍展示了一组数据：过去3年，该出版社投稿量增长55%，但同行评审中可以送审的文章率从63.5%降到44.5%，同期发文量仅为28%。

　　在杨萍萍看来，10年前的编辑部评审流程“没有现在这么复杂”，许多涉及学术诚信问题的判断相对简单和直接；而如今，随着论文工厂、AI涉及的图片操纵等问题更加难以辨识，编辑部需要在送外审之前，花更多时间判断作者身份是否真实、引用是否异常、稿件是否具备送审条件。出版社还成立专门的科研诚信团队，在稿件发表前后开展调查。

　　吴頔观察到，AI普及后，文章批量生产更快、洗稿更自然、跨语言改写更多，套路从“一眼假模板”变成“看着挺像正常论文”。他介绍，常见信号包括投稿账号或邮箱/IP异常、摘要高度模板化、审稿人推荐造假、内容很完美但原始数据缺失。

　　吴頔表示，随着一篇文章涉及的各类学术诚信问题识别难度更高，现在更依赖“系统数据+人工核查+原始材料”组合。针对参考文献，编辑部使用专门软件筛查，再对作者信息异常、期刊名错误、DOI无法访问、引用内容与原文不符等情况复核；针对数据和图片，则核查原始材料、统计一致性、图片元数据，以及是否存在重复拼接等问题。

　　北京邮电大学计算机学院教授鄂海红团队从文本、实验、图文一致性和引文关系等维度研究问题论文的识别。团队建立的模型系统会对科学图像进行特征比对，尝试识别AIGC生成的图像。

　　“如果是画流程图或示意图，在这种场合下可以用AI，只需要在投稿时正确地声明使用情况。”鄂海红表示，对于来自真实世界的实验图像，例如医学上本身应该取自真实临床病理的图片，如果是使用AI一键生成的话，这时候就需要帮助编辑把它识别出来。

　　浙江省公共政策研究院研究员高艳东在接受中青报·中青网记者采访时表示，AI介入学术科研并没有让学术不端的类型完全改变，而是使知识生产过程变得更加不透明。

　　“一段文字、一张图片乃至一个研究结论，都可能经过人工智能的深度介入，传统上通过文本比对识别问题的方式就不够用了。”高艳东说，学术诚信治理需要从单纯检查最终成果，转向关注资料来源、生成过程以及人工审核。

　　AI率检测无法成为学术不端的唯一判断依据

　　在高校，随着AI生成技术、规避检测的手段和检测工具不断更新，用AI工具检测学生论文AI率早已演变成一场“猫鼠游戏”。中国人民大学教授李彤在指导研究生论文的过程中，除了常规查重，也会检测论文的AI疑似率，但他认为，这类工具只能作为参考，无法直接作为认定依据。

　　李彤解释，检测工具本身基于概率模型，类似“用魔法打败魔法”。他记得，有学生面对70%的AI疑似率追问：“到底哪句话是AI的，有什么证据证明？”检测工具能提供一个数值，却未必能清晰界定具体内容的来源。

　　吴頔也表示，编辑部目前只将AIGC检测结果作为参考，不会据此“一票否决”。出现疑点后，更重要的是回到稿件本身，要求作者提供原始数据、图片、分析代码及AI使用说明，再结合审稿人的质疑开展核查。

　　在鄂海红看来，人工写作后由AI编辑、AI生成后再由人工修改润色，与全文一键生成，应当作更细致的区分，才能帮助编辑审查AI在文章中发挥了什么作用。她强调，技术可以承担检测、匹配和线索整理，最终仍需专家解释证据、作出科学判断。

　　高艳东同样提醒，不宜把AI检测结果直接作为认定学术不端的依据；涉及处分时，应有充分证据，并保障当事人的解释和申辩权利。

　　判断是否越界，也不能只看用了哪种工具、生成了多少文字。高艳东认为，更应关注AI是否替代了作者应承担的实质性研究工作，是否造成误导。例如，语言润色通常可以接受，但如果改变了论证含义，作者就必须重新核查；辅助分析数据也不当然违规，前提是数据真实、方法适当、结果能够验证。

　　这些要求也适用于编辑自身。杨萍萍介绍，出版社在安全环境中探索AI辅助初审，工具可以提示稿件与期刊要求的匹配情况，帮助编辑发现值得关注的问题；一些流程性工作，也可以借助自动化提高效率，但工具不能代替编辑部作出最终判断。

　　文章可以有AI参与，但成果不能由AI负责

　　近年来，国家相继出台《关于推动学术期刊繁荣发展的意见》《国务院关于深入实施“人工智能+”行动的意见》等一系列政策文件，接续实施“中国科技期刊卓越行动计划”，统筹推动人工智能融入科学研究、学术传播各环节。而与之相匹配的“规矩”也正在逐渐确立起来。

　　8月19日，中国科技期刊卓越行动计划入选期刊及集群共同发布《坚守科研诚信 共建一流期刊——中国科技期刊卓越行动计划维护学术诚信倡议》。其中第三条明确提出：规范人工智能应用，明确使用边界。严格规范人工智能技术在科研活动和学术出版中的辅助性应用，建立健全人工智能使用披露制度，主动声明人工智能工具的具体用途及介入程度，确保学术贡献归属清晰、责任可追溯。

　　今年以来，西安交通大学期刊中心、《电子与信息学报》《法学教育研究》《哈尔滨学院学报》《当代教研论丛》等国内多家学术期刊陆续发布了各自的AI使用规范。中青报·中青网记者留意到，比起“一刀切”，学界的态度一直倾向于“把AI用在阳光下”。

　　例如，西安交通大学期刊中心8月10日发布的关于规范使用生成式人工智能的声明中指出，作者可合规使用AI工具开展辅助性、事务性工作，仅限于提升研究质量和科研效率；凡在学术研究、论文撰写或修改过程中使用AI工具的，投稿时须完整、如实披露工具名称、版本、使用环节及生成内容。哈尔滨学院于10月15日发布的《哈尔滨学院学报》《当代教研论丛》两刊关于规范使用生成式人工智能的声明，其中明确，作者须对来稿全部内容的真实性、原创性、学术规范性承担完全责任，不接受任何生成式人工智能工具作为论文署名作者。

　　吴頔也介绍，《科技通报》允许合理且透明的辅助润色、翻译、代码调试和文献检索等，不允许AI署名，不允许编造数据、图片和参考文献，也不允许将核心创新和全文撰写交给AI。

　　“关键不是‘用没用’，而是‘有没有如实说明、内容是否真实、作者是否负责’。”吴頔说，期刊在投稿时要求作者不得虚构或隐瞒生成式AI工具使用信息，应对使用情况负责，并与作者签署协议。

　　鄂海红在论坛上指出，AI可以加速润色、检索、图片编辑和表格制作等工作，但不能替代作者承担学术观点责任。杨萍萍也表示，英国物理学会出版社不允许AI成为作者，不允许审稿人用AI工具生成审稿报告；作者、审稿专家和编辑，应分别为论文的可靠性、评审的严谨性和科学判断负责。

　　对于作者的披露声明，高艳东提出，应当说明工具用于什么环节、发挥什么作用，以及作者采取了哪些核查措施，而不只是笼统地写一句“使用过人工智能”。

　　高艳东认为，目前不同学科、不同期刊的具体要求仍不一致，亟待将原则转化为可执行的标准：哪些使用需要披露，披露到什么程度，哪些过程需要留存记录。“披露应服务于透明和问责，而非给使用者贴标签。”

　　此外，针对使用AI工具编辑审阅未发表文章的潜在数据泄露风险，高艳东提醒，这些材料中可能包含受试者个人信息、医疗记录、企业商业秘密。即使隐去了姓名，也不意味着数据无法识别到个人，还要考虑信息组合后重新识别的可能性。

　　吴頔指出，未发表稿件不能整篇上传公共AI模型，未发表数据、核心观点及作者和审稿人身份等信息都需要保密。编辑和审稿人使用工具辅助工作，也不能将未经核验的AI意见作为最终决定。

　　高艳东建议，应对数据实行分类分级，明确哪些材料可以输入通用模型、哪些只能在受控环境处理、哪些不得上传，同时审查服务商的数据留存、训练使用和跨境处理规则。高校也应提供安全的替代工具和培训支持，让研究者有条件合规使用。

　　“人工智能可以参与工作，但不能成为推卸责任的理由。”高艳东说，“我们既不能把使用人工智能一概视为不端，也不能因为它是新技术，就降低学术责任的标准。”