AI写论文变多，期刊编辑压力上升：论文变长，核查更难

提到这两年AI给编辑工作带来的变化，《科技通报》编辑吴頔的第一反应是论文变长了，工作量也跟着涨。

吴頔告诉中青报·中青网记者，过去初审主要盯选题、格式和复制比。现在编辑还得看语言是不是空泛、论证有没有实质内容，就连格式规范的参考文献，也要确认能不能找到真实存在的原文。他碰到过一些稿件，读起来语言流畅，内容却空洞；摘要像套了模板；引用看上去齐全，顺着数字对象唯一标识符（DOI）去查，却打不开对应的文献。

AI确实也帮编辑分担了语言润色、格式整理这类重复劳动。不过吴頔观察到，科研诚信审查和原始材料核查的压力反而大了，“单靠查重率远远不够”。

AI早先只是做简单润色修改、检索文献，如今已经深入到数据分析、研究推理和同行评审，学术出版面临的诚信问题也跟着复杂起来：一项成果是怎么形成的，哪些环节有AI工具参与，事实由谁核验过，最终发表的内容又该由谁负责？

看上去“很像样”的论文，里面藏了多少问题

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亮出一组数据：过去3年，这家出版社的投稿量涨了55%，可同行评审里能送审的文章率从63.5%掉到44.5%，同期发文量只有28%。

杨萍萍觉得，10年前的编辑部评审流程“没有现在这么复杂”，很多涉及学术诚信的判断都比较简单直接。现在不一样了，论文工厂、AI牵扯的图片操纵等问题越来越难辨认，编辑部在送外审之前，得花更多时间确认作者身份真不真、引用有没有异常、稿件够不够送审条件。出版社还专门成立了科研诚信团队，在稿件发表前后做调查。

吴頔看到，AI普及之后，文章批量生产更快，洗稿更自然，跨语言改写也更多，套路从“一眼假模板”变成了“看着挺像正常论文”。他介绍，常见的信号有投稿账号或邮箱/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。

吴頔说，一篇文章牵扯的各类学术诚信问题越来越难识别，现在更依赖“系统数据+人工核查+原始材料”这套组合。参考文献方面，编辑部用专门软件筛查，再复核作者信息异常、期刊名错误、DOI无法访问、引用内容与原文不符等情况；数据和图片方面，则核查原始材料、统计一致性、图片元数据，以及有没有重复拼接。

问题论文怎么认出来？北京邮电大学计算机学院教授鄂海红带队，从文本、实验、图文一致性以及引文关系这些维度切入研究。团队搭起的模型系统会比对科学图像的特征，试着把问题论文筛出来。

鄂海红说，画流程图或示意图这类场合可以用AI，只要在投稿时如实声明使用情况就行。可要是来自真实世界的实验图像，比如医学上本该取自真实临床病理的图片，用AI一键生成，那就需要帮编辑把它识别出来。

浙江省公共政策研究院研究员高艳东接受中青报·中青网记者采访时说，AI介入学术科研，并没有让学术不端的类型彻底变样，倒是让知识生产的过程更不透明了。

“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，学术诚信治理得从只查最终成果，转向关注资料来源、生成过程以及人工审核。

AI率检测当不了学术不端的唯一依据

在高校，AI生成技术、规避检测的手段和检测工具都在不断更新，用AI工具测学生论文的AI率，早就成了一场“猫鼠游戏”。

李彤解释，检测工具本身基于概率模型，有点像“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？”工具能给一个数值，却未必说得清具体内容到底出自哪里。

吴頔也表示，编辑部眼下只把AIGC检测结果当参考，不会据此“一票否决”。出现疑点后，更重要的是回到稿件本身，让作者提供原始数据、图片、分析代码和AI使用说明，再结合审稿人的质疑去核查。

鄂海红认为，人工写作后由AI编辑、AI生成后再由人工修改润色，跟全文一键生成，应该分得更细一些，这样才能帮编辑看清AI在文章里起了什么作用。她强调，技术可以承担检测、匹配和线索整理，最终的证据解释和科学判断还得靠专家。

高艳东也提醒，不宜把AI检测结果直接当成认定学术不端的依据；涉及处分时，证据要充分，当事人的解释和申辩权利也要有保障。

有没有越界，不能光看用的什么工具、写了多少字。高艳东的看法是，重点该落在AI有没有替作者干了他本该自己做的实质性研究、有没有把人带偏。语言润色一般没问题；可一旦论证的含义被改动，作者就得回头重新核查。辅助分析数据也不是天然违规，前提是数据得真、方法得当、结果经得起验证。

这些要求对编辑自身同样适用。杨萍萍介绍，出版社在安全环境里探索AI辅助初审，工具能提示稿件与期刊要求的匹配情况，帮编辑发现值得关注的问题；一些流程性工作也能靠自动化提效，但最终判断不能交给工具。

文章可以让AI参与，成果不能由AI负责

近年来，国家陆续出台《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。与之配套的“规矩”也在逐步确立。

8月19日，中国科技期刊卓越行动计划入选期刊及集群联合发布《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》。倡议第三条把话说明白了：人工智能应用要规范，边界要划清。科研活动和学术出版中，AI只能起辅助作用，相关使用要严格管起来；披露制度得建起来，用了什么工具、用到什么程度，都要主动说明，让学术贡献归谁清楚、责任能追到人。

今年以来，

西安交通大学期刊中心在8月10日发布关于规范使用生成式人工智能的声明，其中提到，作者可以用AI工具做辅助性、事务性工作，但用途只限于提高研究质量和科研效率；只要在学术研究、论文撰写或修改时用了AI工具，投稿时就得把工具名称、版本、使用环节以及生成内容完整、如实交代清楚。哈尔滨学院则在10月15日就《哈尔滨学院学报》《当代教研论丛》两刊发布规范使用生成式人工智能的声明，明确作者要对来稿全部内容的真实性、原创性、学术规范性负完全责任，生成式人工智能工具作为论文署名作者，一概不接受。

吴頔还介绍，《科技通报》的尺度是：辅助润色、翻译、代码调试、文献检索这类工作，合理且透明地做可以；AI署名不行，编造数据、图片和参考文献不行，把核心创新和全文撰写交给AI也不行。

在吴頔看来，关键不在“用没用”，而在“有没有如实说明、内容是否真实、作者是否负责”。他提到，期刊在投稿环节要求作者不得虚构或隐瞒生成式AI工具使用信息，要对自己的使用情况负责，并跟作者签署协议。

鄂海红在论坛上指出，润色、检索、图片编辑、表格制作这些活，AI能加快速度，但学术观点上的责任，它替代不了作者。杨萍萍也表达了类似立场：英国物理学会出版社不允许AI当作者，也不允许审稿人拿AI工具生成审稿报告；论文的可靠性由作者负责，评审的严谨性由审稿专家负责，科学判断则由编辑负责。

至于作者的披露声明该怎么写，高艳东提出，要说明工具用在什么环节、起了什么作用，以及作者做了哪些核查，光笼统写一句“使用过人工智能”不够。

高艳东认为，眼下不同学科、不同期刊的具体要求并不一致，亟需把原则落成可执行的标准：哪些使用需要披露，披露到什么程度，哪些过程要留存记录。他的说法是，披露应服务于透明和问责，而非给使用者贴标签。

另一个问题是数据泄露。高艳东提醒，用AI工具编辑、审阅未发表文章存在这类风险，这些材料里可能有受试者个人信息、医疗记录、企业商业秘密；即便隐去了姓名，也不等于数据就识别不到个人，信息组合之后重新识别的可能性同样要考虑。

吴頔指出，未发表稿件不能整篇上传到公共AI模型，未发表数据、核心观点以及作者和审稿人身份等信息，都要保密。编辑和审稿人用工具辅助工作，未经核验的AI意见也不能拿来当最终决定。

高艳东建议对数据实行分类分级，明确哪些材料能输入通用模型、哪些只能在受控环境里处理、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。高校方面，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。

高艳东表示，人工智能能帮着干活，可责任不能因此往外推。用人工智能不等于就不端，但也不能因为它是新技术，就把学术责任的门槛往下调。