3亿多条科研记录出现一个反常信号:AI时代,独著还是一个人的研究吗?

一篇独著论文，作者栏里只有一个名字。若期刊要求填写贡献声明，概念设计、数据分析、软件、写作、验证，往往也都落在这个名字下面。对编辑来说，这类稿件的署名关系似乎最简单：没有作者排序争议，出了问题，也能立刻找到责任人。

可在AI开始进入检索、编码、统计和写作之后，“只有一位作者”能说明的事情正在变少。

7月12日，神户大学研究者Akira Matsui在arXiv提交了一项覆盖3亿多条科研作品记录、26个领域的研究。数据显示，持续数十年的独著比例下降，在2022年底之后停止并部分逆转。变化也出现在过去长期只与别人合著、甚至从未发表过独著论文的研究者身上。他们独著时仍沿着原有合著内容推进。群体比较还显示，这些作者2022年后的研究内容范围更窄，独著论文整体也更偏向计算型主题。

这项研究没有直接观察作者是否使用AI，也不能证明ChatGPT造成了这次转折。可它捕捉到一个很难忽略的信号：这些变化与一种可能性相符，部分原本由人类合作者分担的执行劳动，现在可以借助机器完成。

作者名单仍然准确地告诉编辑，谁获得了署名；它未必还能完整说明，研究过程中有哪些工作交给了AI。AI时代，独著能够直接确认的，是这篇论文没有其他获署名的人类合作者。至于它是否由一个人完成全部研究劳动，只看作者栏已经不够了。

团队科学没有退潮。Matsui在论文中反复提醒，独著论文目前仍只占科研产出的一小部分，远没有回到几十年前的水平。平均作者人数和独著比例也可以同时朝不同方向变化：大型合作继续扩张，作者人数分布最左端的独著论文也可能止跌。

这正是这项研究没有只看“每篇论文平均有几位作者”的原因。作者把OpenAlex中1990年至2025年的3亿多条作品分成多个口径，其中约1.26亿篇进入基于作品类型和期刊、会议来源界定的“同行评议”代理口径，并非逐篇确认是否经过评审。在2018年至2024年的月度序列里，作者以ChatGPT于2022年11月公开发布为断点。结果显示，26个领域中有23个领域的趋势斜率变化量为正，其中22个达到统计显著。计算机科学、数学、心理学和商业管理等领域的变化比较明显；化学、物理与天文学，以及本来就常见独著的艺术与人文学科，没有出现同样的回升。

论文还追踪了作者过去的发表经历。独著增加无法只用新人涌入或学科构成变化解释。那些连续多年只发表合著论文的人，甚至此前从未独著的人，也更有可能在2022年后第一次单独署名。这些作者独著时仍靠近自己过去的合著内容；从群体比较看，他们2022年后的研究内容范围更窄，独著论文整体也显著向计算型主题偏移。

这些现象与“部分原由人类合作者分担的执行劳动可能得到机器辅助或替代”这一解释相符，却还够不上因果证明。同期还存在疫情时期出版效应消退、OpenAlex收录与作者消歧变化，以及发表和索引滞后等替代解释或测量风险。研究无法看到某位作者是否真的使用了AI，也没有评价新增独著论文的质量。独著回升在预印本中最强，这里面既可能有真实的劳动替代，也可能混入低成本生成和论文工厂式产出。即便是论文所用的“同行评议”与“核心”口径，也只是基于来源构造的代理，不能逐篇验证评审质量。

但有一个事实已经值得编辑认真对待：作者人数是一种越来越不完整的劳动记录。

独著只是作者人数分布的一端。7月23日，另一项arXiv研究从多作者论文内部看到了相近的变化。

威斯康星大学麦迪逊分校的研究团队以PubMed Central全文匹配出的作者为种子，再连接其OpenAlex发表与合作记录，分析了775323名科学家；他们还读取了137120篇多作者论文的CRediT贡献声明。在这批报告CRediT的论文中，每名贡献者申报的角色数平均从2022年的4.78项降至2025年的4.56项，共同作者角色集合的平均两两相似度也从0.379降至0.357。比较2020—2022与2023—2025两个时期，报告“软件”角色的论文占比从40.6%增至43.4%，报告“验证”角色的占比从54.1%增至55.2%。

这组变化没有说明科研团队变得更小。研究者的合作网络反而更加跨学科。变化也出现在团队内部的申报记录中：平均每名贡献者报告的角色更少，共同作者报告的角色重叠更低，报告软件和验证角色的论文占比有所上升。论文作者提出，AI工具可能降低了完成某些专业任务和协调不同模块的成本，使科研劳动变得更模块化。

这项研究同样留有明显边界。它以文本中类似LLM辅助写作的语言模式，构造群体层面的“AI写作信号”。这个指标至多与更广泛的LLM接触相关，不能直接测出个人是否使用、在哪项任务中使用，更不能建立因果关系。AI写作信号较强的作者，在2022年以前就已经更倾向于跨学科和探索新方向。CRediT还是作者申报的角色，并非对实际劳动的观察。此外，两部分样本都有覆盖限制：探索与合作分析以PMC全文为种子，偏向生物医学及其邻近领域；分工分析则限于PLOS及部分采用CRediT的PMC期刊。

两项描述性研究采用不同数据、看向不同位置，却把同一个问题摆到编辑面前：科研劳动的分配方式可能已经改变，作者栏和人类贡献角色仍沿用原来的记录边界。

署名从来不只是劳动清单。它还意味着信用、资格与责任。按当前主流出版规范，AI不具备作者资格；无论工具参与多少，对方法解释、原始记录和出版决定的最终责任仍应由人承担。

问题在于，现有记录容易把“谁承担责任”和“工作由谁或什么完成”压在一起。假如一位独著作者使用AI生成代码、协助选择变量、分类文本、草拟结果解释，贡献声明里仍可能写着“软件”“形式分析”“验证”和“写作”，这些角色也只能归到这位作者名下。声明没有说谎，却少了一层会影响编辑判断的信息：哪些步骤得到了机器实质参与，作者怎样检查输出，论文留下了什么可以复核的证据。

这个缺口并不只属于独著稿。多人论文同样可能把大量工作交给AI。独著只是把问题照得更清楚：当作者栏中没有另一位人类合作者，署名关系更难说明那些原本需要分工的任务如今是怎样完成的。

所以，独著本身不该成为怀疑理由。作者少不代表研究可疑，作者多也不能证明劳动链完整。对编辑来说，更可靠的依据仍是数据、代码、分析过程、版本记录和作者能否解释每个关键决定。作者人数可以触发一个问题，却不能替编辑完成判断。

The Scholarly Kitchen 7月13日刊发的一篇文章，把上述困境放进了正在运行的国际咨询。世界科研诚信大会已经启动AI披露Focus Track，准备形成一项全球AI使用报告标准。WCRI当前官网列出的安排是：2025年12月至2026年2月摸排需求，2026年4月至8月确定应披露的内容并形成分类法，2026年底根据反馈完善“Vancouver Standard”。

标准还没有出台，分类法也没有公开定稿。它现在要解决的恰好是编辑部最难写进一只勾选框的问题：使用到什么程度需要披露，披露要细到哪一步，不同学科能否采用相近口径，以及这些信息怎样进入已有的投稿与出版基础设施。

Springer Nature与TBI Communications的调查共纳入1017名研究者，其中69%的受访者表示已经经常或偶尔在研究、出版流程中使用AI。回答用途问题的825人所列主要用途包括翻译与摘要、论文写作与编辑、数据分析和建模。约三分之一的受访者表示，投稿或发表时从未披露AI使用。

如果期刊只问一句“是否使用AI”，得到的答案很难支持编辑判断。语法修订和标点校对，与生成分析代码、选择研究变量、分类样本或起草结果解释，对论文可靠性判断可能具有不同意义，也需要不同程度的核查。在全球标准尚未定稿时，对编辑更有用的披露，至少应让审稿人看清AI参与了哪项任务，哪些输出进入了论文，谁完成了核验，相关数据、代码或版本记录能否复查。

这不需要等到一项全球标准正式发布后才开始思考。标准的具体字段仍会变化，编辑部眼下至少可以检查一件事：本刊的作者贡献声明与AI使用说明，能否共同解释一篇稿件的关键工作是怎样完成的。若两者各填各的，作者栏写得再完整，机器参与的部分仍可能消失在记录之外。

独著比例的这次回升或许会停，也可能随着期刊政策、技术和作者行为变化再次下降。它已经留下了一个不会轻易消失的问题：机器可以参与科研劳动，却不会出现在作者名单中。