学术评价变革：AI检测重塑论文评审新规则

撰写学术论文，如今已不再仅仅是为了规避“抄袭”之嫌，还面临着一项新的挑战——避免被误判为人工智能的产物。

当“人类原创”的内容被解读为“机器生成”，论文作者又该如何证实自身的创作身份？

近期，有网络博主分享经历，其耗费120元对一篇5.8万字、完全自主完成的论文进行AI相似度检测，结果显示“AI生成概率”竟高达86.8%。值得注意的是，不仅技术性论述部分被标记，连蕴含浓厚个人情感的致谢章节也未能“逃脱”判定。

这一案例迅速引发广泛讨论：人类亲手书写的内容同样可能被识别为“类似AI生成”，原创性的自我证实正变得越来越具有挑战性。

这一趋势在高等教育机构中演进迅速，从以下时间脉络可见一斑：

✦2024年5月，“多家高校规范学生利用AI撰写论文”成为网络热议话题；

✦2025年，部分院校开始引入人工智能生成内容检测机制；

✦到2026年春季学期，许多高校已将此机制从抽样检查扩展至全面覆盖。

论文评估的基本规则，正在经历深刻变革。

以往，学生只需证明其论文“并非抄袭他人成果”；如今，在此基础上，还需额外证明——“并非由人工智能自动生成”。

在各类社交媒体中，不少人为论文“AI相似度”偏高而烦恼——有用户疑问“如何自我证实非AI所作”，也有用户对检测费用与结果的公正性提出质疑。

今年，部分高校已向学生提供AIGC检测服务，并给予有限次数的免费检测额度。

从各院校规定来看，30%与40%的相似度阈值正逐渐成为界定AIGC使用风险的普遍“警戒线”。

与传统的“查重”机制相仿，“AI检测”的设立初衷在于捍卫学术诚信，遏制抄袭舞弊之风。一方面防范“AI代笔”成为学生取巧的途径，另一方面警惕人工智能自身局限可能引发的科研数据失真、实验图像伪造、内容拼凑等问题。

随着AIGC检测的广泛应用，其角色正从“辅助性工具”转变为左右论文评审结论的关键因素。

在众多高校，能否通过AI检测已成为论文能否进入评审阶段的重要先决条件。这意味着，“AI相似度”正在发展为继重复率之后的又一刚性考核指标。

然而，这一机制的科学性也正引发学术界的深入思考。

同济大学法学院互联网与人工智能法律研究中心主任张韬略指出，当前AI生成内容检测工具的技术可靠性尚存疑问，若直接用于判定学生学术诚信，可能存在错误判断的风险。

在他看来，学术能力培育应回归教育本源，技术检测应充当辅助角色，而非绝对的评价尺度。

张韬略提出建议，在技术完全成熟前，高校应避免将AIGC检测设为强制性的毕业审核环节，而应更侧重于指导学生恰当运用AI工具，将其整合至学习与研究流程中，培育学生与人工智能协同工作的智慧生态，着重提升学生的创新思维与实践能力。

这一见解也在教师群体中引发了不同反响。麦可思“2025年高校师生AI应用及素养研究”数据表明：

43.4%的受访教师赞成引入AI检测，但强调需权衡检测精准度与师生权益；25.4%的受访教师明确支持AI检测，认为其能有效保障学术诚信；24.3%的受访教师表示忧虑，主要担心可能产生误判或侵害隐私；6.1%的受访教师持反对意见，主张应通过教育引导来应对问题。

与此同时，围绕“如何应用AI”这一议题，高校正致力于构建更明确的规范框架。

麦可思通过对多所高校最新政策的分析可见，一个基本共识正在形成：人工智能可作为工具参与论文写作，但必须局限于辅助性、非创新性环节，并要求使用过程可公开、可追溯；而涉及研究构思、数据产生、核心论证与结论等关键部分，仍需由学生独立完成。

面对人工智能技术带来的冲击，越来越多的高校开始从“围堵”转向“疏导”。论文评价的逻辑，也正从“注重结果”转向“关注过程”。

过去，学术评价主要聚焦于论文文本本身：是否存在剽窃、是否合乎规范、是否结构完整。但在AI技术介入后，当机器能够产出“达标文本”，论文究竟应当评价什么？

从当前高校的实践探索与学界讨论来看，一个更为明晰的方向正在显现：

✦从“审视结果”，转向审视过程（如写作轨迹、修订记录、思路阐述）；

✦从“核查文本”，转向核查