AI写论文更方便了，学术诚信怎么守住？

说到这两年AI给编辑工作带来的变化，《科技通报》编辑吴頔头一个想到的，是论文变长了，活也变多了。

吴頔向中青报·中青网记者回忆，过去初审主要盯选题、格式和复制比。现在不一样了，编辑还得判断语言是不是空泛、论证有没有干货，就连格式规整的参考文献，也得核实能不能找到真实存在的原文。他碰到过一些稿子，读起来顺溜，内容却空；摘要像套模板；引用列得齐全，可顺着数字对象唯一标识符(DOI)去找，对应的文献根本打不开。

AI确实帮编辑分担了语言润色、格式整理这类重复劳动，但吴頔观察到，科研诚信审查和原始材料核查的压力反而上来了。他的说法是，“单靠查重率远远不够”。

AI早先只是简单润色、检索文献，如今已经伸到数据分析、研究推理和同行评审里，学术出版面对的诚信问题也跟着变复杂：一项成果是怎么做出来的，哪些环节有AI工具插手，事实由谁核验，最终发表的内容又该谁来负责？

看着“很像样”的论文，内含多少“猫腻”

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”，不少涉及学术诚信的判断相对简单直接。眼下论文工厂、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，得花更多时间去判断作者身份真不真、引用有没有异常、稿子够不够送审条件。出版社还专门设了科研诚信团队，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”。他列举了几种常见信号：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，编辑部先用专门软件筛查，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，则查原始材料、统计一致性、图片元数据，以及有没有重复拼接。

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入手，研究怎么识别问题论文。团队建立的模型系统会对科学图像做特征比对，尝试把AIGC生成的图像认出来。

“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。”鄂海红说，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，被人用AI一键生成，那就得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。”高艳东认为，学术诚信治理不能只查最终成果，还得盯住资料来源、生成过程和人工审核。

AI率检测无法成为学术不端的唯一判断依据

高校里，AI生成技术、规避检测的手段和检测工具都在不断更新，拿AI工具去测学生论文的AI率，早就成了一场“猫鼠游戏”。中国人民大学教授李彤指导研究生论文时，除了常规查重，也会测一测论文的AI疑似率。不过他觉得，这类工具只能当参考，不能直接拿来认定。

李彤解释，检测工具本身靠的是概率模型，有点像“用魔法打败魔法”。他记得有学生被查出70%的AI疑似率后追问：“到底哪句话是AI的，有什么证据证明？”工具能给个数值，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”。发现疑点后，更要紧的是回到稿子本身，让作者交出原始数据、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，这样编辑才能看清AI在文章里起了什么作用。她强调，技术可以负责检测、匹配和整理线索，解释证据、作出科学判断，最后还是得靠专家。

高艳东也提醒，别把AI检测结果直接当成认定学术不端的依据；真要处分，得有充分证据，还要保障当事人解释和申辩的权利。

判断有没有越界，也不能光看用了哪种工具、生成了多少字。高艳东觉得，更该看AI有没有替作者干本应由他承担的实质性研究工作，有没有造成误导。比如语言润色一般可以接受，可一旦改变了论证含义，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、结果经得起验证。

这些要求对编辑自己也一样。杨萍萍介绍，出版社在安全环境里探索AI辅助初审，工具能提示稿件和期刊要求匹配不匹配，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，但工具替代不了编辑部做最终判断。

文章可以有AI参与，但成果不能由AI负责

这些年，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”，也在慢慢立起来。

8月19日，《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》由中国科技期刊卓越行动计划入选期刊及集群联合发出。倡议第三条把话说明白：人工智能该用在哪儿、不该用在哪儿，得有边界。科研活动和学术出版中，AI只能起辅助作用，相关使用披露制度要建起来；用了什么工具、用到什么程度，须主动说明，让学术贡献的归属清清楚楚，责任也能追到人。

从今年开始，国内多家学术期刊接连推出各自的AI使用规范，包括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。中青报·中青网记者注意到，学界并不主张“一刀切”，态度始终偏向“把AI用在阳光下”。

西安交通大学期刊中心在8月10日发布的关于规范使用生成式人工智能的声明里提到，作者可以合规地用AI工具做辅助性、事务性工作，但仅限于提升研究质量和科研效率；只要在学术研究、论文撰写或修改中用到了AI工具，投稿时就须完整、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。

吴頔也介绍了《科技通报》的做法：合理且透明的辅助润色、翻译、代码调试和文献检索是允许的；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’。”他说，期刊会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，作者要对该使用情况负责，并与期刊签署协议。

鄂海红在论坛上指出，润色、检索、图片编辑和表格制作这些工作，AI能提速，但学术观点的责任还得作者自己扛。杨萍萍也表示，英国物理学会出版社不允许AI成为作者，也不允许审稿人用AI工具生成审稿报告；论文的可靠性、评审的严谨性和科学判断，应分别由作者、审稿专家和编辑负责。

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，而不是笼统地写一句“使用过人工智能”。

高艳东认为，眼下不同学科、不同期刊的具体要求还不一致，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。”

使用AI工具编辑审阅未发表文章，还存在数据泄露的潜在风险。高艳东提醒，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，也不代表数据无法识别到个人，信息组合之后重新识别的可能性同样要考虑。

吴頔提到，尚未发表的论文不能整篇传到公共AI模型上；未公开的数据、核心观点，以及作者与审稿人的身份信息，都得保密。编辑、审稿人即便借助工具开展工作，也不能把未经核实的AI意见当成最终结论。

高艳东给出的办法是分类分级管理数据：哪些材料能喂给通用模型、哪些只可在受控环境中处理、哪些根本不许上传，都要划定清楚；同时要对服务商的数据留存、训练使用及跨境处理规则作出审查。高校这边也该拿出安全的替代工具，配上培训支持，让研究者有合规使用的条件。

高艳东说：“人工智能可以参与工作，但不能成为推卸责任的理由。”他还表示，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。

中青报·中青网记者 王璟瑄