210万篇论文数据曝光:AI正在改变科研写作速度,学科分化越来越明显!

最近看到一篇论文：

Qi, M., Cao, Z., Wang, Q., Li, N., & Zhu, T. (2025). Does GenAI Rewrite How We Write? An Empirical Study on Two-Million Preprints. arXiv:2510.17882.

原文链接：https://arxiv.org/abs/2510.17882PDF 链接：https://arxiv.org/pdf/2510.17882

这篇文章讨论的重点，不是“AI 能不能帮我们润色论文”这种个人使用问题。它关心的是：

当生成式 AI 大规模进入科研写作之后，预印本系统有没有发生可观测的变化？

研究者分析了 2016-2025 年、115 个月、四大预印本平台、超过 210 万篇预印本，覆盖 arXiv、bioRxiv、medRxiv、SocArXiv。

这类研究的价值在于，它绕开少量案例和主观描述，直接观察科研写作和预印本发布的整体变化。

先看亮点

这篇文章可以先抓住五个观点：

1. 1. AI 没有平均改变所有学科论文认为，GenAI 更像一种 selective catalyst，对不同领域的影响并不均匀。
2. 2. 计算密集型领域受益更多计算机、AI、数据密集型研究更容易把 GenAI 融入写作、修改和投稿流程。
3. 3. 预印本节奏变快了研究发现，LLM 可能加快了投稿和修订周期。
4. 4. 写作风格也在变化摘要的语言复杂度有所上升，AI 影响了数量，也影响了表达方式。
5. 5. AI 可能放大学科差距GenAI 可能不是简单的“科研平权工具”，它也可能放大已有优势。

数据规模

样本主要来自 arXiv，占比超过 80%。这意味着后文关于“预印本变化”的结论，尤其适合理解 arXiv 这类计算和自然科学预印本平台。

作者没有简单依赖 AI 检测器，而是关注系统层面的变化：投稿量、修订节奏、作者合作、语言复杂度和主题方向。局限也很清楚：它主要基于预印本元数据和摘要，不能直接判断每一篇论文是否使用了 AI。

发现一

GenAI 出现后，预印本的生产和流通节奏发生了变化。

论文指出，LLM 与更快的 submission and revision cycles 相关。简单说，论文从写作、提交到修改的周期可能加快了。

下方折线显示，不同平台的平均修订间隔整体下降。论文中的 Finding 2 进一步指出，post-2020 的修订间隔大约缩短了 30%。

这并不等于论文质量提高。它更稳妥地说明：科研文本进入公开传播的速度正在变化。

发现二

GenAI 对写作风格和研究主题都有影响。

作者通过 linguistic profiling 分析摘要文本，发现生成式 AI 出现后，预印本摘要的语言复杂度出现温和上升。这可能意味着摘要更规范、更正式，也可能让不同作者的写作风格变得更接近。

论文还发现，AI 相关主题在预印本中明显扩张。生成式 AI 改变写作工具，也改变研究议题。

图中可以看到，ChatGPT 之后 AI-related documents 的占比明显上升。arXiv 的变化最突出，论文中提到其占比从 2022 年前低于 5%，上升到 2025 年接近 20%。

发现三

这篇文章最值得重视的结论，是 GenAI 的影响并不均匀。

论文认为，计算密集型领域从 GenAI 中获益更多。这些领域原本就更接近代码、模型、数据和工具生态，也更容易把 AI 嵌入日常科研流程。

相比之下，一些较慢采用 AI 的领域，短期内未必获得同样程度的效率提升。

图中可以看到，cs.CL、cs.CV、cs.LG 等计算相关方向的 AI document share 上升更快。论文指出，部分计算机科学子领域到 2025 年已达到 40%–80%，传统物理、神经科学等方向的曲线相对平缓。

这也是论文中 selective catalyst 这个判断最有价值的地方。GenAI 不一定是平均分配的红利，它更可能先加速已经具备数据、工具、计算和协作基础的群体。

科研启发

这篇文章对科研人至少有四点启发。

1. 1. 不要只把 AI 当润色工具AI 影响语言，也可能影响投稿节奏、选题方向和协作方式。
2. 2. 预印本会更重要AI 加快了科研文本生产，预印本平台可能更早反映学术生态变化。
3. 3. 学科差距可能扩大工具基础强、计算能力强、预印本文化成熟的领域，更容易率先受益。
4. 4. 写作能力会重新定义未来的写作能力不再只是把英文写顺，还包括提出问题、组织证据、控制 AI 输出和判断文本边界。

使用提醒

这篇论文不宜被解读为“AI 正在全面接管科研写作”。它更适合支持一个克制判断：引用时建议避免几种说法：

总结

这篇论文最有价值的地方，是把 AI 写作问题放进预印本系统中观察。

AI 的影响已经进入科研生产的节奏、语言和主题分布中，而非停留在单个作者和单篇论文层面。

预印本正在成为观察 AI 改变科研的窗口。

AI 正在改写预印本，但它不是平均改写。

它更像一个加速器：谁已经有数据、工具、计算和协作基础，谁就更容易被加速。