AI写论文为何翻车？根源在人
这是关于大模型辅助论文写作系列文章的第一篇。本系列旨在传授如何正确使用AI避免踩坑——既不提倡一键生成，也不制造恐慌情绪。
深夜两点。
小李将毕业论文的选题复制后，粘贴进ChatGPT的输入框，输入了一行指令：
请帮我撰写一篇8000字的硕士论文，主题如前所述，需符合格式规范，且参考文献要齐全。
点击发送。
二十分钟后，一篇看起来颇为正规的论文生成了。从摘要、引言、文献综述，到方法、实验、讨论、结论及参考文献，一应俱全。小李粗略浏览后，便提交给了导师。
三天过后，导师仅回复了一句：
你参考文献里提到的“张三2022”，我从未听说过此人。
随后的对话不再赘述。结果是：小李的毕业被迫推迟了一年。
根据我亲身经历、朋友描述以及贴吧流传最广的案例，大致有如下几种翻车场景：
•
投稿的论文中混入了AI杜撰的参考文献，审稿人一眼便识破了破绽。
•
答辩时，老师指着PPT询问为何文中写道“决策树能更有效地捕捉非线性特征”，依据何在——学生顿时语塞，因为这句话实则是AI生成的，他自己也未深究原因。
•
查重和AI检测都顺利通过，但导师读完后只问了一句：这段话你能否用自己的语言复述一遍。结果答不上来。
•
实验数据被质疑是拼凑的。后来证实确实是AI编造的——因为你未提供真实数据，它便自动生成了一组看似合理的数字。
这些案例的共同点，用一句话概括就是：
出错的并非AI，而是那些将AI视为研究员的人。
你或许会问：直接让AI代写不就行了，何必如此繁琐？
我反问你：若AI直接代写可行，为何此类事故仍层出不穷？
能点开此文读到这里的，我推测并非那些只想混日子的群体——他们根本不会阅读公众号长文，只懂使用工具。你多半属于另一类：想利用AI偷懒，却又担心出错。
本系列正是为你而作。
我不打算劝阻你使用AI，也不想说些“AI是工具，关键在用法”的空话。我将通过7篇文章，逐一剖析AI在论文写作各环节中能做什么、不能做什么，以及哪些致命陷阱必须避开。
能省的力气都帮你省去。不能省的判断，则留给你自己。
回到最初的问题：像小李那样把题目丢给AI让其生成全篇，为何必然失败？
并非AI愚笨，也非AI不够努力。
而是因为这种用法，触发了大模型最擅长的一项技能：
编造。
大模型的训练目标，从来就不是提供正确答案，而是让回答看起来像模像样。它在海量文本中学到的是——这类问题后面通常接什么样的回答，而非该问题的标准答案。
因此，当你把“写一篇关于XX的论文”丢给它时，它脑海中浮现的不是“我去查阅相关研究”，而是：
一篇关于XX的论文，通常是什么结构？
接着，它便按照那个常规结构进行填空。在需要摘要的地方填一段看似摘要的文字，在需要参考文献的地方填一组看似参考文献的条目。
至于那个“张三2022”是否真实存在，模型既不知情，也不关心。它只在乎生成的内容是否像一篇论文。
说到这里，翻车的三个机制便清晰了：
1.
缺文献，只能编。若未提供资料，它便依照训练中见过的格式补上一组。
2.
缺数据，只能编。若未采集数据，它便为你生成一组看似合理的数字。
3.
为了完成任务，只能编。你要求8000字，它便拼凑8000字。中间用“由此可见”、“综上所述”等词敷衍过去。
综合起来，这便是大模型在论文写作中最大的雷区。它并非有意欺骗，而是受训练目标驱使。
能。
本系列后续的6篇文章，都将解答如何使用：
•
如何限制AI，使其如实反馈；
•
如何让AI协助搭建框架，但不代替你确立选题；
•
如何让AI帮你梳理文献，但不允许其杜撰引用；
•
如何让AI帮你描述数据，但不让其解释机制；
•
如何使用AI既省力又安全。
但所有这些用法，都基于同一个前提判断：
AI是打字员，而非研究员。
这句话拆解开来，意味着：
判断权归人，表达权归工具。
研究问题是什么，由你决定。创新点在何处，由你决定。这一段为何如此撰写，由你决定。何种数据能支撑何种结论，由你决定。
其余那些纯粹的打字工作——将判断转化为符合学术规范的文字、将粗糙的句子润色为通顺的段落、将零散文献串联成通顺的语言——统统交给AI。
混淆这两件事的人，论文必出问题。分清这两件事的人，AI便是得心应手的工具。
每一篇文章都将包含一个真实的翻车案例、一份可复制的提示词模板，以及一个立即可行的检查步骤。
不贩卖焦虑，不盲目鼓劲。只告诉你如何正确地完成这件事。
下一篇再见。
我们从最基础的一步起步——
为何同一个问题，有人向AI提问得到的是满篇虚构的“张三李四”，有人提问却能让AI老实回复“资料不足，无法撰写”？
差别就在于第一句指令。
小李的第一句指令是——
请帮我写一篇8000字的硕士论文，主题如上，格式需规范，参考文献要完整。
下一篇你将看到另一种开场白。两句话看似不同，但分歧正是由此产生。