AI一作论文发表了然后我们发现,最诚实的反而是标注的那5篇

AI一作论文发表了

然后我们发现，最诚实的反而是标注的那5篇

CONTENTS

PART 01 · WHAT HAPPENED

到底发生了什么

2026年6月25日，知网上出现了一组不太寻常的论文。

《华东师范大学学报（教育科学版）》，北大核心加CSSCI双认证的C刊，刊发了8篇论文。其中5篇的第一作者，不是人。

是AI。

DeepSeek写了一篇教师轮岗政策的多智能体模拟，Gemini 3 Pro分析了12824条学习者与AI的多轮对话，另一个Gemini做了AI融入教育科研的元研究，一个叫"Generative AI Assistant"的通用署名研究了教育改革观点的演化机制，DeepSeek V3.2用86237名学生的数据证明了一件事——"最优学习风格"不存在。

5篇AI一作，3篇人类学者的反思报告。

这不是偷偷摸摸的实验。从2025年9月发起，到2026年3月成果发布，再到8月正式刊出，全程公开透明。

简单说，这是一次有组织、有规则、有记录的制度测试。

华东师大副校长雷启立的定位很明确：这不是为了用机器替代学者，而是一次真实场景下的压力测试——在极限条件下暴露问题。

那么，暴露了什么？

PART 02 · INSTITUTIONAL EVENT

不是技术突破，是制度事件

先说一个容易混淆的事：AI能写论文，不是新闻。

2023年就有学者用GPT-4生成完整论文草稿。2026年，美国东北大学教授David Lazer实测：依托百万级公共调研数据库，大模型一小时就能生成一篇28页的完整学术论文——文献综述、数据制表、图表绘制，全流程自动完成。

AI能写论文这件事，早就不是"能不能"的问题了。

这是两件完全不同的事。

前者是技术事实——AI有这个能力。后者是制度事实——学术共同体公开承认了这个能力，并且给它安排了一个正式的位置。

两种最常见的误读，恰好都错过了这个关键点。

一种说"这是技术突破"——不是。AI写论文的能力早就具备了，这次没有技术上的飞跃。一种说"这是学术造假"——也不是。每篇论文都标注了AI参与环节，强制披露，全程透明，恰恰是最不"造假"的做法。

真正值得注意的，是这个制度动作本身：一本C刊，在知网上，把"第一作者"四个字，写在了AI的名字旁边。

PART 03 · THE HONEST FIVE

最诚实的，反而是标注的那5篇

说一个可能反直觉的判断：这5篇标注了AI一作的论文，可能是当下学术界最诚实的案例。

为什么？

因为AI深度参与科研，早就不是新鲜事了。只不过，大部分AI参与，藏在你看不见的地方——致谢里一行小字"感谢AI工具辅助语言润色"，方法部分一句轻描淡写的"使用AI辅助数据分析"，或者干脆什么都不说。

没有人知道，此刻正在审稿的某篇论文里，AI到底参与了多少。也没有制度要求作者必须交代这件事。

而华东师大这次实验，做了一件不一样的事：不是偷偷用，而是公开标；不是含糊其辞，而是强制披露每篇论文的AI参与环节，甚至让AI坐上第一作者的位置。

真正值得担心的，从来不是光明正大的"AI一作"。而是那些用了AI、却一字不提的论文。你不知道有多少，我也不知道。但它们正在被投稿、被审稿、被发表。

全球已记录超1600起律师引用AI虚假判例的事件——仅美国就超过1100起。律师行业尚且如此，学术圈呢？律师引用假判例，至少还有对方律师和法官来纠错。论文里的AI痕迹，谁来查？

PART 04 · DIVISION OF LABOR

工序重组：分工边界正在被重新划定

科研是一条流水线。

选题、查文献、设计研究、收集数据、跑分析、写初稿、解释结果、下结论、为结论负责——每一个环节，对应不同的能力和判断。

这条流水线上，AI正在接管的部分越来越清晰：数据处理、仿真模拟、文献整理、初稿撰写。这些环节有一个共同特征——有明确的输入输出，有可量化的质量标准，有可自动化的操作路径。

人类目前还在坚守的部分，也有一个共同特征——需要价值判断。提出什么问题值得研究，研究结果意味着什么，结论的边界在哪里，以及最关键的：谁为结论负责。

8篇论文的构成，恰好印证了这个分工。5篇AI一作，做的是"怎么做"的事——模拟、分析、建模、验证。3篇人类学者的反思报告，写的是"为什么做"和"做意味着什么"——袁振国写的是智能时代科研新范式的探索，张治写的是这场实验的全景报告，胡岩写的是反思。

5篇做实验，3篇写意义。

实验发起人袁振国给过一个评分：如果把最优秀的论文定义为100分、达到发表水平的定义为80分，那么这次724篇投稿中，大部分得分在40到80分之间，少数接近90分。人机协同写作的平均水平超过了人类单独作者的平均水平——但还达不到人类最优秀的水平。

AI在"怎么做"这件事上，已经够用了。在"做什么"和"为什么"上，它还在追赶。但"追赶"这个词，本身就值得多想一步。

PART 05 · COUNTERINTUITIVE FINDING

AI做出了一个反直觉的发现

5篇AI一作论文里，有一篇值得单独说。

DeepSeek V3.2，论文标题直接把结论写在脸上：《"最优学习风格"不存在——大规模学习分析证明AI定制化教学无法超越通用优质教学》。

简单说：AI给你量身定制的学习方案，效果和优质通用教学没有本质区别——白忙活。"个性化即有效"这个AI教育领域的主流叙事，被AI主导的数据分析打了一巴掌。

这个发现，不是人类提出的假设让AI去验证。是AI在数据分析的过程中，得出一个和主流预期相反的结论。

组委会的评价是：以大规模实证数据挑战了AI教育领域"个性化即有效"的主流叙事，学术贡献突出。

如果AI不只是工具，而是在生产新知识——那"工序重组"的叙事，可能还不够。

PART 06 · BELOW THE SURFACE

冰山之下

华东师大选择了公开透明——但大多数期刊没有这个选择。

管理学顶刊《Organization Science》在ChatGPT上线后，收稿量暴涨42%。稿件增量几乎全部来自AI辅助创作。2026年2月的最新数据：该刊当期来稿摘要中，近三分之一为完全或高比例AI生成内容，另有四成稿件掺杂部分AI文本。

这还只是一本期刊。行业预判：本年度顶级政治学期刊投稿量可能上涨50%。心理学权威预印本平台PsyArXiv已经因为稿件暴增，不得不加回人工关卡——一个学术预印本平台，被逼到新增前置人工初审环节，这在它的历史上是第一次。

面对这样的趋势，各高校的态度是分裂的。有的明确收紧——香港大学规定AI生成内容需严格标注来源，占比一般不宜超过20%，过度依赖可视为学术不端；有的审慎开放——清华大学2025年11月发布指导原则，立场是"积极而审慎"，严禁AI代写但允许有限使用；有的还在观望。没有统一标准，没有共识，甚至没有像样的讨论框架。

华东师大选择了另一条路：既然AI参与不可阻挡，那就在极限条件下做一次压力测试，看看到底会发生什么。让AI坐上第一作者的位置，强制披露，全程透明——至少把问题摆到了台面上。

但大多数机构，还没有走到这一步。那些没有被摆到台面上的部分，才是冰山的水下。

PART 07 · THE RELIC CONDITION

更深的暗线：知识一旦发表，就成了自身被替代的原材料

2026年4月，arXiv上出现了一篇论文，编号2604.16116。标题翻译过来是：The Relic Condition: When Published Scholarship Becomes Material for Its Own Replacement——遗物状态：当已发表的学术成果成为替代自身的原材料。

研究团队做了一件事：把一位学者几十年的推理逻辑，提取成一个可以被模型调用的技能包。

具体怎么做？从两位国际知名人文社科学者的公开出版物中，逐层提取他们的推理特征，整理成技能架构，蒸馏后加载到大模型上。

然后做盲测。

结果里有一个细节很值得说：一位博士生用被约束的模型写完初稿后，导师非常意外，甚至来问——你是不是私下受过这位学者的直接指导？

在同行评审、博士生指导等核心学术任务的盲测中，专家评审认为这些"数字替身"的产出达到了大学高级讲师水平——在澳大利亚高校体系中，大致对应美国的终身副教授。部分评审甚至给出了副教授或正教授的评级。

前面说"工序重组"——AI接管"怎么做"，人类退守"做什么"和"为什么"。但"遗物状态"的实验结果，让这个分工叙事多了一层阴影：当一位学者几十年的推理逻辑可以被蒸馏成技能包，连"做什么"和"为什么"的判断边界，也开始松动了。

而做这件事，据研究团队所述，只需要少量工程资源。

PART 08 · CONCLUSION

收束

回到开头那个问题：AI一作论文发表了，然后呢？

华东师大做了一次压力测试，把问题摆到了台面上。5篇AI一作，3篇人类反思，强制披露，全程透明——至少你知道AI参与了什么。

但台面之下，投稿量在暴涨，增量几乎全是AI在写，大部分论文不会标注AI参与了多少，各高校连态度都还没统一。

更深处，一位学者毕生的推理逻辑，可以从他公开发表的论文中被提取出来，蒸馏成一个技能包，加载到模型上，产出达到高级讲师水平。而这件事，据研究团队所述，只需要少量工程资源。

知识一旦公开，就成了自身被替代的原材料。

这不是一个需要恐慌的判断，但可能是一个需要清醒的事实。

你最近读的论文里，有没有怀疑过AI参与了多少？评论区聊聊。