AI论文写作边界研讨回顾

4月15日下午，求是书院“AI与研究方法变革”系列研讨首讲在立德楼书院第六空间顺利举行。活动由求是书院主办，旨在帮助管理学部本科生在人工智能深度进入学术研究的背景下，搭建清晰的学习路线，并打造稳定、可持续的学术交流平台。活动面向全体学生开放，以助教团队经验分享为主，结合交流与讨论展开。

本次讲座邀请统计学院2025级应用统计专业硕士研究生邵景龙担任主讲，围绕“AI辅助论文写作与行为边界”这一主题进行分享。讲座吸引了不少对AI辅助学术研究感兴趣的同学参与，现场气氛十分热烈。

讲座开始时，邵景龙从生成式AI在文本、图像、视频等领域的广泛应用切入，指出借助先进生产力工具辅助学习与研究已经成为常见现象。随后，他强调，学术论文作为一种具有较强公共性、外部性和可验证性的特殊成果，其规范性、真实性与可追溯性必须严格坚守。因此，如何界定AI辅助写作的合理范围与行为边界，是每一位科研从业者都必须面对的重要课题。

界定“人机协同”的边界：

工具性使用与替代性依赖

邵景龙首先对AI在论文写作中的合理辅助范围进行了系统梳理。通过与AI的对话，他提出“人机协同”的核心观点：AI应定位为支持特定环节的工具，例如选题阶段的思路发散、文献的快速梳理、初稿框架的生成以及语言的润色优化等。他结合具体实操案例，生动展示了如何借助精细化提示词，引导AI高效完成定向检索与初步分析任务，例如“请基于2024-2026年学术文献，分析数字化转型对中小企业绩效影响的研究热点与空白”。

与此同时，邵景龙也明确了AI应用的硬性边界。他结合中国人民大学关于本科毕业论文使用生成式AI的规范、人民大学学报的投稿要求以及《Nature》期刊的AI政策指出，整篇论文或核心章节由AI直接生成、伪造数据与访谈记录、未经核验便采信AI结论，以及不加查证地使用AI编造的参考文献，均属于严重的学术不端。他还分享了AI生成错误医学插图导致论文撤稿、ICML会议利用隐形水印查出数百名专家使用AI审稿等真实案例，深刻警示了越过边界可能带来的严重后果。

剖析“幻觉”之源：

理解AI，方能驾驭AI

“为什么AI会出错？为什么它会给出看似合理却实际错误的答案？”围绕这一核心问题，邵景龙从生成式大模型的底层原理出发，通俗解释了AI产生幻觉的机制。他指出，大模型本质上是基于概率的“自回归语言建模”，依靠预测下一个词的最大概率来生成内容，而非进行严密的逻辑推理。他以“冰淇淋销量增长导致溺水率上升”为例，形象揭示了AI在因果判断上的局限性。

邵景龙进一步将AI幻觉细分为事实性幻觉与忠实性幻觉，并从数据训练、监督微调、推理生成等多个环节剖析了幻觉产生的根源。他强调，AI的“过度自信”机制、逆向诅咒以及模型本身的数学约束，都可能使其在特定情境下输出错误信息甚至编造内容，研究者必须对AI产出保持审慎的批判态度。

走向理性应用：

四大原则与实务探讨

面对AI可能带来的风险，邵景龙提出了在使用中规避幻觉、提升效能的四大实操原则：第一，压缩问题空间，通过高度具体化、条件化的提示词限制AI的发挥范围；第二，量化不确定性，要求AI标注推测结论的置信度及其依据；第三，强制结构化，要求AI按指定格式、维度输出内容；第四，进行外部交叉验证，借助多个模型互审或结合专业数据库进行结果比对。

在随后的互动环节，师生们围绕AI工具的选用、如何规避AIGC查重风险、创新点在交互中是否会被泄露等实际问题展开了热烈讨论。

参会的同学分享了使用豆包、Kimi、ChatGPT、Claude、Google AI Studio、AMiner等多种工具的体验与心得。针对同学们普遍关心的边界问题，现场形成了基本共识：在AI时代，研究者的角色正从单纯的内容生产者转变为价值的裁判者、问题的发现者和方向的引导者。只要核心思路源于自身，数据真实可靠，并对AI生成内容完成严格的查证与转化，AI便可作为提升研究效率的有力工具，关键在于研究者要承担起最终责任，确保学术产出的原创性、真实性与可靠性。

本次讲座不仅是一场关于AI工具使用的技术分享，更是一次关于学术规范与科研责任的深刻反思。在技术浪潮奔涌向前的时代，既不应盲目排斥先进生产力，也不能在技术的迷宫中迷失学术的本真。本次研讨帮助同学们建立了一种更为清醒的认知：在深刻理解其能力与局限的前提下，理性、规范、负责任地将AI纳入学术生产过程之中。

文字/排版 | 陈颖欣

审核 | 胡宏伟 贾志英 刘思佳