AI辅助论文写作的边界究竟在哪里|议事厅
新华社北京11月17日电 11月17日,《新华每日电讯》发表题为《AI辅助论文写作的边界究竟在哪里|议事厅》的报道。
论文改到第五稿,AI生成率(文中简称“AI率”)还是卡在30%,这是不少2026届毕业生面临的共同困扰。随着AI检测更大范围进入毕业论文审查流程,一些学校甚至把AI率和查重率并列成硬杠杠:查重过了,AI率超标,照样不能答辩。
与此同时,检测本身的可靠性也受到质疑:朱自清的《荷塘月色》、鲁迅作品的经典段落,竟然也被检测出“AI生成率超80%”。
用检测手段守住学术诚信底线,出发点没有错,但一个原本用来把关的工具,却在具体执行中制造出新的问题。AI时代,用AI辅助论文撰写的边界到底如何把握?本期议事厅,新华每日电讯智库研究与传播中心邀请教育、传播、法学学者,围绕这个话题展开讨论。

图片由AI生成
访谈嘉宾:
张凌寒 中国政法大学人工智能法研究院院长、教授
王 峰 华东师范大学传播学院院长
储朝晖 中国教育科学研究院研究员
熊丙奇 深圳市二十一世纪教育研究院院长
一个百分比的难题
记者:现在很多高校把AI率当成毕业论文审核的重要依据,这种检测技术从原理上说,准确度如何?
张凌寒:市面上的AI检测本质是“用AI检测AI”,通过困惑度、突现性等统计特征来判断,比如AI文本往往过于流畅、标准化,人类写作则长短句参差有节奏。基于概率统计原理,任何检测工具都做不到百分百准确,一个简单的百分比结果不能作为学术不端的可靠依据。
王峰:AI检测主要依据文本特征,这些特征会在AI生成内容中频繁出现。但用文本特征做检测本身有天然的不合理性——查重背后有原文比对支撑,AI检测背后却没有可溯源的文本,只有一套算法规则。若把这种规则直接当成可靠标准,就容易陷入对技术的迷信。
储朝晖:AI技术本身不确定,也很难有效检测。就像古代测定时间,要找一个恒定性强的工具才行,AI本身变化这么快,怎么能拿来当检测工具?
记者:经典文本被判高AI率的乌龙,不同平台检测结果差异很大。这些具体问题,又说明了什么?
王峰:经典作品内部往往具有典型的文本特征,容易被判定为AI生成率高。今天的文学规则,本来就是从经典作品中抽取形成的,AI检测瞄准的恰恰又是这些特征。接入经典作品数据库能避开误判,但这样就能解决问题吗?并不会,因为不同平台的训练语料、算法路线不同,检测结果就会不一样,甚至同一篇论文在同一平台不同时刻提交进去结果也不同。这跟规则本身的不稳定性有关。要成为真正靠得住的评测标准,AI检测至少应具备接近百分之百的可靠性。否则,它只能作为辅助条件,不能成为决定性证据。
熊丙奇:过去查重也只是对文字进行比对,解决不了论文创新性问题,甚至洗稿、颠倒语序就可能规避检测。AI检测同样只能有限解决问题,不能从根本上判断一篇论文是否原创、是否具有创新价值。
简单的比例控制容易误伤合理使用
记者:检测技术再准,也只能提供有限判断。查阅文献、润色语言、生成提纲、代写全文,这些行为性质截然不同,哪些属于合理辅助,哪些构成不当使用?AI参与论文写作的边界究竟在哪里?
王峰:目前的检测技术区分不了润色语言和代写全文的区别。我们真正反对的,是AI代写内容占比太高的论文,但这个尺度其实很难把握,比如起草提纲、起草初稿、最后润色,算不算AI代写?这三种都不应算作代写全文。至于所谓“AI味”,也可能只是一种写作风格,科学论文本身充满套路,很容易带有“AI味”,到底该根据“AI味”还是内容的创新性来判断价值,这需要反思。
张凌寒:区分不同类型的AI使用行为,核心在于判断人的贡献是否具有主导性和实质性。用AI做文献检索、语言润色、格式调整这类基础性工作,一般不必作为学术不端处理,通常无需特别披露或只需简单说明;用AI生成提纲、梳理思路,一般也不违反学术规范,但要审查有没有常识性错误;一旦AI参与核心内容构思,或被直接用于正文文本,就必须披露。
储朝晖:这个问题要分层次分析。如果只是借助AI从网上随意拼凑、复制内容,写出来的只能是与他人重复的东西,这种做法显然不可取。AI可以用于辅助处理日常公文,但不能替代论文应有的原创研究,论文材料必须来自真实的情境、实验和数据。我遇到过网上引用我的文章,一查那句话根本不是我说的,是AI生成的;还有学生作业引用了一篇署名“储朝晖”的文章,标题、期刊、页码都标得清清楚楚,但我根本没写过,都是AI编造的。所以无论以后发展到什么程度,AI不能替代论文应有的原创研究和独立思考,这个判断都是成立的。
记者:既然AI辅助写作与替代原创研究性质不同,为什么一些高校仍主要依据一个笼统的“AI率”作出判断?
王峰:我所在的华东师范大学是国内最早发布学生AI使用指南的高校之一,当时把“AI直接生成内容”的比例限定在20%,但这指的是从头到尾没有做过任何改动的内容。如果学生做过修订、按目标完善过全文,不应算作直接生成。
张凌寒:国际期刊普遍采用“允许使用、必须披露”原则,核心是信任作者自律,通过事后责任追究来约束。国内不少高校采用“比例控制”,其优势是操作简单、威慑力强,但弊端也很明显:检测依据和比例阈值缺乏充分的科学支撑,容易误伤合理使用,还会催生“降AI率”等灰色产业。更科学的做法是,在借鉴透明披露原则的基础上,结合过程性评价和导师把关,逐步降低对单一量化指标的依赖。
AI时代,论文谁来把关
记者:AI检测结果来自商业平台算法,而算法本身并不公开透明;规则越量化,学生越容易转向“迎合算法、规避检测”。在这种情况下,高校应如何看待AI检测在论文评价中的位置?
张凌寒:这是必须正视的严峻问题。简单量化往往逼着学生“迎合算法、规避检测”去做无意义的反向洗稿,这违背了教育初衷。高校必须保持独立理性的批判视角,技术只能作为辅助,只能作为发现疑点的线索,不能替代导师的专业判断和同行评议。高校应警惕这种管理惰性,不能因为追求“成本低、见效快”,就放弃自身对学术质量的把关责任。
王峰:检测和反检测不断交错升级,不是健康的形态。从技术上看,只要检测仍主要依靠规则和文本特征,就很难出现一种理论上“绕不过去”的方法;AI检测技术既可能把规律性较强的书写误判为AI生成,又难以拿出可溯源的强证据。学术研究不能依据AI率判定,应该回归学术创造性本身。归根到底,AI检测只能提供概率性提示,不能作为确定性的判定依据,更不能成为衡量所有学生论文的统一标准。高校不应简单阻止学生使用AI,而应把更多资源用于提升教师的AI素养,探索AI与教学科研的合理融合,让教师成为学生合理使用AI的启发者、引导者和把关者。
熊丙奇:无论是本科论文,还是硕博论文,如果导师只是布置任务、等学生交稿,没有一遍遍指导,不了解研究和写作过程,当然只能靠检测。如果导师从选题、开题、调研到完稿持续跟进,很多问题就可以在过程中发现。20余年前,国内引入论文查重检测技术,催生了大量检测生意,但论文原创和创新价值的问题,并没有很好地解决。
记者:一篇毕业论文究竟该看什么?高校又该怎样通过过程性评价培养学生的自主学习能力和独立思考能力?
储朝晖:真正的问题不在AI,而在评价本身。好论文首先要有真问题、真探索。论文写作有两个境界:一是“写到别人未写处”,二是“写到别人无处写”。选题要有新的空间,研究要能推进既有认识。真正做研究、有创新的论文一定有价值;简单重复、文献堆砌、形式化装扮的论文,本来就没价值,AI出现后只会把这一问题进一步凸显出来。
AI时代高校更应培养学生的探索能力、信息素养和批判能力,尤其要让学生通过真实情境、真实实验、真实数据去验证问题,而不是把文字生成能力误当成研究能力。评价要增加过程性评价权重,既看过程也看结果。独立思考的前提是自主性:课题自己确定,过程自己探索。如果仅用AI查AI,本身是一种被动做法;更根本的是建立相对独立、完善的学术评价体系,让论文质量回到真实研究过程和学术共同体判断中。
张凌寒:未来高校AI治理,需要制度与人的作用协同发力。一方面摒弃“唯AI率”的简单化管理,将考核贯穿于选题、开题、调研、写作、答辩的全过程;另一方面,对论文创新性、论证严密性、研究价值等的实质评价交给导师和同行专家,并建立争议复议机制,确保评价既公平,也有弹性。
记者:检测新规想守住诚信底线,本身没有错。但从测不准的技术到划不清的边界,四位嘉宾的回答指向同一个方向:问题不在要不要守住底线,而在于不能把守底线简化成一个AI率。技术可以是辅助线索,却不该是“一票否决”的裁判;检测能帮助发现疑点,却替代不了导师一次次面对面的指导,也替代不了答辩过程中层层深入的学术质询。
毕业论文考察得从来不是能不能躲开一个百分比,而是有没有真正提出一个问题、进入一个现场、完成一段探索,并最终独立想清楚一件事。这道题,只能交还给人。AI越来越擅长生成文字之后,大学真正需要评价的,或许不再是学生是否使用了AI,而是学生是否真正具备提出问题、形成判断和创造新知识的能力。
