AI当第一作者后，最诚实的竟是那5篇标注论文
AI当第一作者后，我们发现，最诚实的反而是那5篇标注论文
CONTENTS
01到底发生了什么
02不是技术突破，是制度事件
03最诚实的，反而是标注的那5篇
04工序重组：分工边界正在被重新划定
05AI做出了一个反直觉的发现
06冰山之下
07更深的暗线：知识一旦发表，就成了自身被替代的原材料
08收束
PART 01 · WHAT HAPPENED
到底发生了什么
2026年6月25日，知网上出现了一组不太寻常的论文。
《华东师范大学学报（教育科学版）》，北大核心加CSSCI双认证的C刊，刊发了8篇论文。其中5篇的第一作者，不是人。
是AI。
DeepSeek写了一篇教师轮岗政策的多智能体模拟，Gemini 3 Pro分析了12824条学习者与AI的多轮对话，另一个Gemini做了AI融入教育科研的元研究，一个叫"Generative AI Assistant"的通用署名研究了教育改革观点的演化机制，DeepSeek V3.2用86237名学生的数据证明了一件事——"最优学习风格"不存在。
5篇AI一作，3篇人类学者的反思报告。
KEY FIGURES
724篇有效投稿
1,177名人类作者
9个国家参与
100+种AI工具（DeepSeek占三成以上）
每篇附《AI生成内容说明表》，强制披露
这不是偷偷摸摸的实验。从2025年9月发起，到2026年3月成果发布，再到8月正式刊出，全程公开透明。
简单说，这是一次有组织、有规则、有记录的制度测试。
华东师大副校长雷启立的定位很明确：这不是为了用机器替代学者，而是一次真实场景下的压力测试——在极限条件下暴露问题。
那么，暴露了什么？
PART 02 · INSTITUTIONAL EVENT
不是技术突破，是制度事件
先说一个容易混淆的事：AI能写论文，不是新闻。
2023年就有学者用GPT-4生成完整论文草稿。2026年，美国东北大学教授David Lazer实测：依托百万级公共调研数据库，大模型一小时就能生成一篇28页的完整学术论文——文献综述、数据制表、图表绘制，全流程自动完成。
AI能写论文这件事，早就不是"能不能"的问题了。
这次的重点不在于"AI写出了论文"，而在于"C刊正式把第一作者的位置让给了AI"。
这是两件完全不同的事。
前者是技术事实——AI有这个能力。后者是制度事实——学术共同体公开承认了这个能力，并且给它安排了一个正式的位置。
两种最常见的误读，恰好都错过了这个关键点。
一种说"这是技术突破"——不是。AI写论文的能力早就具备了，这次没有技术上的飞跃。一种说"这是学术造假"——也不是。每篇论文都标注了AI参与环节，强制披露，全程透明，恰恰是最不"造假"的做法。
真正值得注意的，是这个制度动作本身：一本C刊，在知网上，把"第一作者"四个字，写在了AI的名字旁边。
PART 03 · THE HONEST FIVE
最诚实的，反而是标注的那5篇
说一个可能反直觉的判断：这5篇标注了AI一作的论文，可能是当下学术界最诚实的案例。
为什么？
因为AI深度参与科研，早就不是新鲜事了。只不过，大部分AI参与，藏在你看不见的地方——致谢里一行小字"感谢AI工具辅助语言润色"，方法部分一句轻描淡写的"使用AI辅助数据分析"，或者干脆什么都不说。
没有人知道，此刻正在审稿的某篇论文里，AI到底参与了多少。也没有制度要求作者必须交代这件事。
而华东师大这次实验，做了一件不一样的事：不是偷偷用，而是公开标；不是含糊其辞，而是强制披露每篇论文的AI参与环节，甚至让AI坐上第一作者的位置。
这才是真正的诚实——不是"我没用"，而是"我用了，我告诉你我用了哪里"。
真正值得担心的，从来不是光明正大的"AI一作"。而是那些用了AI、却一字不提的论文。你不知道有多少，我也不知道。但它们正在被投稿、被审稿、被发表。
全球已记录超1600起律师引用AI虚假判例的事件——仅美国就超过1100起。律师行业尚且如此，学术圈呢？律师引用假判例，至少还有对方律师和法官来纠错。论文里的AI痕迹，谁来查？
标注了AI一作的5篇论文，至少让你知道：这里面有AI，你可以带着这个前提去评判它。而那些什么都没标的，你连评判的起点都没有。
PART 04 · DIVISION OF LABOR
工序重组：分工边界正在被重新划定
科研是一条流水线。
选题、查文献、设计研究、收集数据、跑分析、写初稿、解释结果、下结论、为结论负责——每一个环节，对应不同的能力和判断。
这条流水线上，AI正在接管的部分越来越清晰：数据处理、仿真模拟、文献整理、初稿撰写。这些环节有一个共同特征——有明确的输入输出，有可量化的质量标准，有可自动化的操作路径。
人类目前还在坚守的部分，也有一个共同特征——需要价值判断。提出什么问题值得研究，研究结果意味着什么，结论的边界在哪里，以及最关键的：谁为结论负责。
AI 接管
数据处理 · 仿真模拟 · 文献整理 · 初稿撰写
—— "怎么做"
人类坚守
选题 · 解释结果 · 下结论 · 为结论负责
—— "做什么"和"为什么"
8篇论文的构成，恰好印证了这个分工。5篇AI一作，做的是"怎么做"的事——模拟、分析、建模、验证。3篇人类学者的反思报告，写的是"为什么做"和"做意味着什么"——袁振国写的是智能时代科研新范式的探索，张治写的是这场实验的全景报告，胡岩写的是反思。
5篇做实验，3篇写意义。
实验发起人袁振国给过一个评分：如果把最优秀的论文定义为100分、达到发表水平的定义为80分，那么这次724篇投稿中，大部分得分在40到80分之间，少数接近90分。人机协同写作的平均水平超过了人类单独作者的平均水平——但还达不到人类最优秀的水平。
AI在"怎么做"这件事上，已经够用了。在"做什么"和"为什么"上，它还在追赶。但"追赶"这个词，本身就值得多想一步。
PART 05 · COUNTERINTUITIVE FINDING
AI做出了一个反直觉的发现
5篇AI一作论文里，有一篇值得单独说。
DeepSeek V3.2，论文标题直接把结论写在脸上：《"最优学习风格"不存在——大规模学习分析证明AI定制化教学无法超越通用优质教学》。
EXPERIMENT DATA
86,237名学生纵向数据
双重机器学习模型 + 因果森林算法
AI定制化教学平均处理效应 =0.01个标准差
p值 =0.51（无统计学显著性）
异质性分析：不存在任何特定群体获得额外增益
简单说：AI给你量身定制的学习方案，效果和优质通用教学没有本质区别——白忙活。"个性化即有效"这个AI教育领域的主流叙事，被AI主导的数据分析打了一巴掌。
这个发现，不是人类提出的假设让AI去验证。是AI在数据分析的过程中，得出一个和主流预期相反的结论。
组委会的评价是：以大规模实证数据挑战了AI教育领域"个性化即有效"的主流叙事，学术贡献突出。
一个AI，做出了一个能上C刊的真发现。它不是在执行人类的指令，而是在数据中找到了一个人类可能不会去找、或者不愿意面对的答案。
如果AI不只是工具，而是在生产新知识——那"工序重组"的叙事，可能还不够。
PART 06 · BELOW THE SURFACE
冰山之下
华东师大选择了公开透明——但大多数期刊没有这个选择。
管理学顶刊《Organization Science》在ChatGPT上线后，收稿量暴涨42%。稿件增量几乎全部来自AI辅助创作。2026年2月的最新数据：该刊当期来稿摘要中，近三分之一为完全或高比例AI生成内容，另有四成稿件掺杂部分AI文本。
Organization Science
投稿量暴涨42%
增量几乎全部来自AI辅助创作
人写的论文，增量接近于零
这还只是一本期刊。行业预判：本年度顶级政治学期刊投稿量可能上涨50%。心理学权威预印本平台PsyArXiv已经因为稿件暴增，不得不加回人工关卡——一个学术预印本平台，被逼到新增前置人工初审环节，这在它的历史上是第一次。
面对这样的趋势，各高校的态度是分裂的。有的明确收紧——香港大学规定AI生成内容需严格标注