ARTICLE · 1240931
AI时代如何写高质量论文:把工具用对,把脑子留住
AI时代如何写高质量论文:把工具用对,把脑子留住现在用AI写论文，早就不是“用不用”的问题了，而是“怎么用才不出事”。期刊编辑和审稿人每天面对大量语言流畅但灵魂空洞的稿件，同质化已经成为公开的抱怨。更危险的是，AI编造的参考文献正在污染文献库。一项对250万篇论文、1.11亿条参考文献的系统性审核发现，仅2025年一年，arXiv、bioRxiv、SSRN和PubMed Central四大平台上就存在146,932条由AI编造的虚假参考文献。 但比“AI写坏了论文”更深一层的问题是：垃圾论文本来就在批量生产，AI只是给它踩了一脚油门。 当评价体系过度看重数量、当“不发就出局”成为硬约束，用AI批量灌水就是理性选择。我们不谈“AI好不好”，只谈一套能落地的论文写作方法论——让AI做它擅长的事，让人类守住只有人能做的事，同时把“质量”融进每一个环节的选择里。 北京航空航天大学任伟教授在编辑与审稿人视角下给出过一个判断：选题质量可决定一篇论文70%—80%的录用概率。AI时代，语言润色不再是壁垒，选题的学术价值反而被放大了。 方法论：用AI做“缺口探测”，而非“选题生成”。 你可以让AI帮你梳理某个领域的文献脉络，但不要问“给我一个选题”。正确的用法是：把该领域近三五年的高被引综述和关键论文喂给AI，让它帮你归纳“哪些问题反复被提及但始终没有定论”“哪些方法在特定情境下明显失效”。然后你自己去判断哪个缺口值得填。 电子科技大学康昭教授给本科生的建议很直白：创新可以是新方法、新现象，也可以是填补空白，但一篇论文贵在聚焦，切忌堆砌。选题要量力，前沿方向空间大、风险也大，热门赛道好起步却容易同质化。选一个你愿意花半年去啃的问题，而不是一个AI半小时就能给你十个答案的问题——这本身就是对“垃圾论文”的第一道过滤。 避坑要点： AI编造参考文献已经是实锤。arXiv审核数据显示，尽管平台已在筛查，预计仍有78.8%的虚假引文成功通过并出现在平台上。每一条你打算引用的文献，必须亲自打开原文，核对DOI、作者、年份，并确认摘要确实支持你要说的那句话。不要偷这个懒。 高质量综述的核心不是罗列，是述评结合。任伟在讲座中明确指出，文献综述重在学术对话而非文献堆砌。AI恰好擅长前者、不擅长后者。 方法论：两段式用法。 第一段，让AI帮你做“文献压缩”：把一篇长文的摘要和结论喂给它，让它用两三句话提炼核心发现和方法局限。这能帮你快速判断一篇文献值不值得精读。 第二段，关掉AI，自己写。问自己三个问题：这些研究之间是什么关系？哪些结论彼此矛盾？矛盾的原因是什么——是样本不同、方法不同，还是理论预设不同？把这些想清楚再动笔。北京大学的讲座也强调，高质量综述要深入分析现有研究存在的问题与不足，进一步明确研究空间。这件事需要你的学术判断，AI替代不了。综述写得好不好，直接决定你这篇论文是在跟已有研究对话，还是在自说自话——后者正是垃圾论文的典型特征。 这是最不能含糊的地方。国际出版伦理委员会（COPE）的立场很明确：AI不能列为作者，因为AI无法对研究内容承担责任、无法处理利益冲突声明、无法管理版权。换句话说，署名意味着担责，AI担不了责，所以它不配署名。 方法论：让AI做“技术助理”，不做“数据源头”。 可以用的场景：让AI帮你检查统计代码的报错、推荐适合你数据类型的可视化图表、根据你的研究问题提示你可能忽略的混杂变量。不能用的场景：让AI生成或“补全”实验数据、让AI替你判断统计结果的实质性意义、把未经核验的AI输出直接写进结果部分。 一个值得参考的实践框架是：在论文的方法部分透明披露AI的使用环节和工具名称。比如“本文使用ChatGPT进行语言润色和代码调试，所有数据采集、分析和结论均由作者独立完成并核验”。披露不会削弱可信度，反而是在强化科研诚信。在垃圾论文泛滥的环境里，透明披露本身就是一种质量信号：它告诉审稿人，这篇稿子的智力贡献归属是清晰的。 很多人用AI的方式是“给个题目让它出初稿”，这是效率最高但风险最大的做法。AI生成的文本逻辑过于平滑、缺乏人类写作特有的跳跃和个性，越来越容易被AIGC检测系统识别。更重要的是，初稿的核心论证是你思想的载体，交给AI等于把最值钱的部分外包了。 方法论：先写“不可外包”的部分，再让AI碰语言。 学术写作有一个反直觉但极其有效的策略：不要从引言开始写。 先做图和表，再写方法和结果，然后写讨论，最后写引言和摘要。原因很简单：图表和结果是你手里最确定的东西，是AI无法替你“生成”的硬资产。从确定的东西写起，论证不会跑偏，而且你是在用自己的数据锚定全文，而不是用AI的平滑语言掩盖空洞。 写完一个段落之后，再让AI介入。用法是：把你自己写的段落贴给它，指令是“检查这段的语法和清晰度，保持原意和学术语气，不要添加新内容”。而不是“帮我写一段关于XX的讨论”。前者是编辑，后者是代笔。编辑可以，代笔不行。 康昭教授的话值得贴在显示器上：“可用而不可依赖”，生成内容必须逐项核验，要坚守独立思考与学术底线。慢一点写出来的东西，才可能是别人愿意引用的东西。 2026年的投稿环境已经变了。越来越多期刊在审稿流程中同时查核抄袭比例和AI生成痕迹。与其被动等着被质疑，不如主动做两件事。 第一，检查你的引用列表。 逐一打开每条文献的原文页面，确认它真实存在且内容匹配。AI幻觉引用最隐蔽的形式不是完全虚构，而是“标题相似但作者年份全错”或“DOI真实但内容对不上”。Springer Nature的研究诚信主管也承认，简单工具识别幻觉引用会产生假阳性，因为作者引用方式千差万别、很多不带DOI。所以人工核验仍然是最后一道防线。 第二，在方法或致谢部分写一句诚实的披露。 中国科技期刊卓越行动计划入选期刊已集体倡议“建立健全人工智能使用披露制度，主动声明AI工具的具体用途及介入程度，确保学术贡献归属清晰、责任可追溯”。不要写“本文使用了AI”这种模糊表述，写清楚：用了什么工具、哪个版本、用于什么环节、你如何核验了输出。 第三，问自己一个更狠的问题：这篇论文如果删掉AI帮你润色的部分，还剩下什么？ 如果剩下的只有数据、一个平庸的结论，且没有方法或理论上的增量，那它可能本来就不该被写出来。有价值的负结果和重复验证研究不在此列——它们的方法和设计本身就有贡献。高质量发展的起点，是敢于不写那些“可写可不写”的论文。 最后一句实话：质量不是写出来的，是选出来的 AI把论文写作的门槛拉低了很多，但把论文发表的门槛拉得更高了。因为当人人都能用AI写出通顺的句子时，编辑和审稿人只会更狠地盯住一个问题：这篇论文的不可替代性在哪里？ 那个答案不在提示词里，在你读过的文献、做过的实验、想清楚的问题里。AI可以帮你把话说漂亮，但没法帮你把事做实。 而“高质量发展”这件事，光靠个体自律也不够。它需要你融进评价改革的实践里——述职时用“这一篇解决了什么”替代“发了三篇”；融进期刊治理的自觉里——投稿前花两分钟查一下该刊是否在预警名单、是否以版面费为主要收入；融进AI披露的规范里——写清楚用了什么、用在哪、怎么核验的，让规范者获得制度保护；融进“慢科研”的共同体里——120位AI学者已联署倡议，承诺博士招生不将论文数量作为筛选标准，短时间灌水式发表是减分项。找到同样在意质量的人，互相审稿、互相托底。 垃圾论文的洪流靠一个人堵不住，但你可以选择站在哪一边，以及和谁站在一起。 把工具用对，把脑子留住，把质量选出来。这是这个时代写论文最朴素也最管用的方法论。
