别只问 AIGC 查重率了:AI 写论文真正要守的是这三条边界

昨天收到一位学报编辑老师的微信。她说，最近身边老师问得最多的，已经不是格式、重复率、参考文献怎么写，而是另一类问题：论文用了 AI 能不能投？AIGC 检测高了怎么办？课题申报书让大模型帮忙改一改，会不会有风险？

她还提到一个很现实的场景：学校里不少老师已经在用 AI 写论文、写申报书，但真正说到边界时，大家又都拿不准。她希望找两篇文章推荐给老师们，也想用比较通俗的话，把这件事讲明白。

这个问题，我估计很多编辑部都遇到了。

过去编辑回答作者咨询，更多是解释投稿范围、格式要求、查重比例、参考文献规范。现在不一样了。作者问的是：我让 AI 帮我写了一点，到底算不算问题？

这句话里面，最容易被抓住的是“AIGC 查重率”。因为它像一个数字答案。高了，心里发慌；低了，好像就安全了。

一篇论文能不能站得住，最后看的不是它“像不像 AI 写的”，而是作者能不能为里面的观点、材料、数据和结论负责。AIGC 检测可以作为提醒，但它不能替作者证明清白，也不能替编辑部完成判断。

我更建议把这个问题拆成三条线来讲：检测线、使用线、责任线。

很多老师先问检测率，其实也能理解。

检测报告摆在那里，有分数，有颜色，有提示，看起来比一句“请规范使用 AI”更明确。对作者来说，分数低一点，似乎就放心；对编辑来说，分数高一点，似乎也有了处理依据。

可学术写作不是这样判断的。

同样是 AI 痕迹偏高，背后的情况可能完全不同。有的作者只是让工具改了语病、顺了句子，研究问题、材料来源、数据分析和主要判断仍然是自己完成的。有的作者则可能把文献综述、研究意义、讨论部分甚至结论都交给 AI 拼出来，自己只做了表面修改。

反过来，即使检测结果不高，也不能说明一篇稿子就没有问题。只要作者说不清文本里的判断从哪里来，引用的文献有没有核过，数据和图表是否真实，风险仍然存在。

所以，对编辑部来说，AIGC 检测更适合放在“提示风险”的位置。它可以提醒我们多看一眼，但不能直接替代后面的判断。

更稳妥的问法不是“检测率是多少”，而是：这篇文章里，哪些内容经过了 AI 处理？这些内容有没有经过作者核对？作者能不能解释清楚？

这几句问完，问题通常会清楚很多。

一位老师用 AI 查语病，和一位老师让 AI 代写讨论部分，不是一回事；让 AI 帮忙翻译摘要，和让 AI 编造几条看起来像真的参考文献，也不是一回事。编辑部如果只用“用了”或“没用”来划线，最后很容易把正常辅助和实质代写混在一起。

我更倾向于把 AI 参与写作分成三层。

第一层是表达辅助。

比如改错别字、调语序、压缩长句、检查英文摘要、统一格式。这类使用主要处理“怎么说得更清楚”。只要作者自己确认内容没有变，知道每一句话在表达什么，风险相对可控。

第二层是结构辅助。

比如让 AI 帮忙梳理提纲、提示段落衔接、检查有没有逻辑跳跃。这一步就要更谨慎一些。因为结构不是纯形式，它会影响一篇文章怎样展开论证。AI 给出的提纲可以参考，但不能替作者决定论文要回答什么问题、用什么材料支撑、最后得出什么判断。

第三层是内容替代。

比如直接生成文献综述，代写引言和讨论，拼接论证链条，虚构引用，编造数据，替作者下结论，甚至先让 AI 写出整篇论文或申报书，再由人改一改语气。

到了这一层，问题就不是“工具用得熟不熟”了，而是作者有没有把本该自己完成的学术劳动交出去。

编辑和教师都要警惕的，正是这一层。

AI 可以帮人把话说顺，但不应该替人完成观点；可以帮人检查表达，但不应该替人编造依据；可以帮人提高效率，但不能替人承担研究责任。

这句话听起来朴素，却是边界所在。

为什么 COPE、ICMJE 和不少出版商都强调，AI 不能作为作者？原因并不复杂。

作者身份不是署个名字。它意味着有人能对这篇文章负责。

如果审稿人追问数据来源，作者要能回答；如果编辑要求解释某个判断，作者要能说明；如果读者质疑引文和结论，作者要能拿出依据。AI 做不到这些。它不能承担利益冲突声明，不能签署版权协议，也不能在论文出问题时站出来解释。

所以，判断一段 AI 辅助生成的文字能不能进入论文，可以用一个很简单的办法：把 AI 关掉之后，作者自己还能不能把这段话讲清楚？

能讲清楚，再看是否需要披露和核对。讲不清楚，就不要直接放进去。

很多人担心“被检测出来”。但在我看来，更大的风险不是机器识别出了 AI 痕迹，而是作者自己已经不再掌握文本。论文看起来完整，句子也顺，真到退修、答辩、项目核查时，却说不清为什么这样写。

那才麻烦。

因为论文和申报书表面交出去的是文字，背后交出去的是作者的判断、信誉和责任。AI 不会替你承担后果。最后被追问的，还是署名的人。

老师们讨论 AI 写作时，常盯着“写出来的文字”。但还有一个问题同样重要：你把什么材料交给了 AI？

如果只是拿一小段公开表述做语言修改，问题相对简单。可如果把整篇未发表论文、课题申报书、审稿意见、作者回复、带有个人信息和基金信息的材料，原样贴进外部 AI 系统，性质就变了。

ICMJE 等机构在相关建议中提醒过，已投稿件和同行评议材料本身带有保密属性。编辑、审稿人和作者在使用 AI 时，都要考虑平台是否能保证保密，是否获得了必要许可，是否有明确的数据处理边界。

这个提醒对学报编辑部很有用。

因为现实中最容易发生的，往往不是“大规模泄密”这种极端情节，而是一个个顺手动作：把作者全文贴进去，让 AI 帮忙总结；把审稿意见贴进去，让 AI 帮忙润色；把申报书贴进去，让 AI 帮忙改得更“高级”。

每一步看起来都只是为了省时间，合在一起，就可能把本来应该留在编辑流程、科研流程内部的材料，交给了外部平台。

所以，涉及未公开材料时，先别急着问“AI 好不好用”。先问三个更实际的问题：这些材料能不能外传？平台会怎样处理输入内容？如果出了问题，谁来负责？

这四句话，比“检测率多少算安全”更重要。

如果编辑部还想往前走一步，可以做一页更简单的 AI 使用说明：哪些情况可以作为辅助，哪些情况需要说明，哪些情况不能碰，AIGC 检测结果出来以后由谁复核、怎样处理。不要等争议出现以后，再临时解释。

最后，也回应那位编辑老师最初的请求。如果要推荐延伸阅读，我建议搭配两篇旧文一起看。一篇是《把新投稿论文上传给大模型，到底会不会“外泄”？编辑最该警惕的，可能不是你以为的那种风险》，它讲的是稿件和审稿材料能不能随手上传 AI。另一篇是《外审专家也在用AI审稿，作者不服怎么办？编辑部真正缺的不是检测工具，而是处置规则》，它讲的是检测之外，编辑部为什么要有自己的处置规则。

三篇文章合在一起，其实说的是同一件事：AI 不是不能用，但越是日常使用，越要把边界先说清楚。

参考来源

1. COPE 关于人工智能与出版伦理的相关公开文件。相关文件强调，AI 工具不能作为作者；使用 AI 不改变人类作者对内容承担责任的原则。

2. ICMJE 关于人工智能使用与投稿、同行评议职责的公开建议。相关建议强调，AI 和 AI 辅助技术不应列为作者；未公开稿件及相关材料涉及保密义务，编辑、审稿人和作者应谨慎对待上传外部 AI 系统的行为。

3. Springer Nature、Elsevier 等主流出版商关于生成式 AI 使用的公开政策。相关政策普遍强调：生成式 AI 可在有限范围内用于语言或表达辅助，但作者需透明披露相关使用情况，不得用其替代原创判断、数据真实性和学术责任。

4. 「智编专家」既有文章：《把新投稿论文上传给大模型，到底会不会“外泄”？编辑最该警惕的，可能不是你以为的那种风险》；《外审专家也在用AI审稿，作者不服怎么办？编辑部真正缺的不是检测工具，而是处置规则》。