當(dāng)AI成為“科研搭子” 誰來守住學(xué)術(shù)訓(xùn)練的底線

點擊名片

獲取更多行業(yè)資訊

從幫助檢索文獻(xiàn)、梳理研究思路、生成代碼、潤色論文，再到完成復(fù)雜計算、文本寫作等任務(wù)，近兩年來，人工智能技術(shù)正以前所未有的速度進(jìn)入高校科研場景。

6月30日，美國人工智能公司Anthropic發(fā)布面向科研場景的AI平臺Claude Science。按照該公司介紹，這一平臺不僅是聊天式助手，更是一個可以整合科研常用工具、調(diào)用計算資源、生成可審計成果的AI工作臺。AI正從通用問答工具走向更專業(yè)的科研流程。

依托北京大學(xué)中國博士教育研究中心組織實施的全國博士畢業(yè)生調(diào)查數(shù)據(jù)，北京科技大學(xué)文法學(xué)院教師蔡芬展開分析，其研究成果《AI輔助博士生科研現(xiàn)狀及其影響的學(xué)科差異——基于2024年全國博士畢業(yè)生調(diào)查的分析》顯示：對14371份全國學(xué)術(shù)學(xué)位博士生問卷數(shù)據(jù)進(jìn)行分析后發(fā)現(xiàn)，理工農(nóng)醫(yī)尤其是計算機(jī)相關(guān)專業(yè)博士生的AI輔助科研使用率較高，而人文社科尤其是人文學(xué)科博士生的使用率較低；人文社科博士生更多將AI用于前端科研工作，理工農(nóng)醫(yī)博士生更多將AI用于后端科研工作。

畢業(yè)季，中青報·中青網(wǎng)記者在社交媒體平臺上發(fā)現(xiàn)，“如何用AI寫文獻(xiàn)綜述”“AI輔助論文降重”“怎樣降低論文AI率”等話題頻繁出現(xiàn)。

在蔡芬看來，AI已深度嵌入大學(xué)生科研訓(xùn)練，但在不同培養(yǎng)階段、不同學(xué)科背景下，學(xué)生對AI的訴求并不相同。

當(dāng)AI變成越來越多學(xué)生日常科研生活中的“標(biāo)配”，它究竟是在增強(qiáng)學(xué)生的科研能力，還是“跳過過程直接到答案”？

AI是手段而非目的

來自四川大學(xué)的謝莉（化名）今年即將直博本校的網(wǎng)絡(luò)空間安全專業(yè)。她告訴中青報·中青網(wǎng)記者，AI已經(jīng)參與到她的科研流程中的多個環(huán)節(jié)。

“我會先自己閱讀文獻(xiàn)，找到能夠繼續(xù)深入的問題方向，再問AI之前是否有人做過類似研究、自己的想法是否具備可行性、是否有繼續(xù)推進(jìn)的空間。”謝莉表示，如果自己的研究角度有可行性，便會讓AI給出相應(yīng)學(xué)習(xí)路線，再進(jìn)入具體研究階段。

謝莉覺得，通過AI幫自己“入門”，許多科研想法能快速迭代，“以前想快速判斷一個想法是否可行并不容易，文獻(xiàn)調(diào)研、路線評估和代碼編寫都會耗費大量時間，現(xiàn)在這些環(huán)節(jié)都被明顯壓縮”。

與此同時，對于理工科學(xué)生而言，代碼生成是AI最常見、也最能直接提升效率的功能之一。謝莉通常會讓AI生成代碼，并通過測試用例檢查運行結(jié)果。她認(rèn)為，AI的價值不在于直接提升一個人的學(xué)習(xí)或編程能力，而在于讓科研的節(jié)奏更快，使想法能夠迅速實現(xiàn)或被否定。

“不過AI終究是外界工具，我覺得更重要的是認(rèn)真修煉自己的基礎(chǔ)能力，而非純粹依賴AI。”謝莉說。

蔡芬在研究和日常觀察中注意到，碩士生與博士生在使用AI輔助科研工作時，呈現(xiàn)出比較明顯的階段性差異。碩士生使用AI進(jìn)行輔助的主要訴求更偏向于“科研入門、任務(wù)減負(fù)與概念理解”，而博士生則更關(guān)注“科研提效、成果發(fā)表與研究邊界拓展”。

在使用AI輔助科研上，浙江財經(jīng)大學(xué)法學(xué)院民商法專業(yè)研一學(xué)生孫宇（化名）的感受與理工科學(xué)生不完全相同。導(dǎo)師建議他在研究中合理使用AI，認(rèn)為AI可以幫助查找資料、修改措辭，也可以作為一種自我審視工具。但孫宇坦言，自己并不太清楚怎樣才能讓AI更有效地幫助自己開展科研工作。

“其實不能放任自己在完全沒有知識基礎(chǔ)的階段就依賴AI，而是要先建構(gòu)自己的知識體系。”孫宇說，對AI給出的答案必須甄別，尤其是在法學(xué)研究中，資料真實性、寫作中的邏輯關(guān)系、論證力度都不能完全交給AI。

孫宇曾經(jīng)也為了節(jié)省時間使用AI，但用了幾次發(fā)現(xiàn)，AI在資料查找和語言建構(gòu)上可能出現(xiàn)偏差，有時還需要自己花費更多時間核實。“對法學(xué)研究而言，許多問題本身沒有絕對正誤，法律解釋、法理分析和學(xué)術(shù)觀點的價值，往往需要在具體語境中論證。AI給出的內(nèi)容看起來完整、流暢，卻未必真正可靠。”

“研究生最重要的仍是自主學(xué)習(xí)能力，AI只是手段而非目的。”孫宇覺得，充足的知識儲備在任何時候都是應(yīng)對問題的最有力籌碼。

如何破解“AI率”引發(fā)的規(guī)則焦慮

隨著AI越來越多地參與到學(xué)生的科研和論文寫作中，高校也在不斷打上規(guī)則“補(bǔ)丁”。

早在2024年年末，復(fù)旦大學(xué)便發(fā)布《復(fù)旦大學(xué)關(guān)于在本科畢業(yè)論文（設(shè)計）中使用AI工具的規(guī)定（試行）》，旨在明確和規(guī)范在本科畢業(yè)論文中AI工具的使用范圍與原則。

2025年11月，清華大學(xué)發(fā)布《清華大學(xué)人工智能教育應(yīng)用指導(dǎo)原則》（以下簡稱《指導(dǎo)原則》），提出“主體責(zé)任、合規(guī)誠信、數(shù)據(jù)安全、審慎思辨、公平包容”等原則，要求師生對人工智能使用情況及生成內(nèi)容依規(guī)披露聲明，并嚴(yán)禁將人工智能生成的文本、代碼等內(nèi)容直接復(fù)制或簡單轉(zhuǎn)述后作為學(xué)業(yè)成果提交。

針對研究生群體，《指導(dǎo)原則》中強(qiáng)調(diào)，禁止用人工智能代替本應(yīng)由本人進(jìn)行的學(xué)術(shù)訓(xùn)練，嚴(yán)禁使用人工智能實施代寫、剽竊、偽造等行為。研究生指導(dǎo)教師需在此過程中提供規(guī)范性指導(dǎo)并進(jìn)行全過程監(jiān)督，確保學(xué)術(shù)訓(xùn)練的完整性和學(xué)位論文及實踐成果的原創(chuàng)性。

近兩年，為了防止學(xué)生利用AI代寫畢業(yè)論文，全國多所高校都發(fā)布相關(guān)規(guī)定，根據(jù)專業(yè)不同，為畢業(yè)論文設(shè)置20%-40%不等的“AI率”紅線。

北京科技大學(xué)社會工作專業(yè)畢業(yè)生韓芳（化名）嘗試過“用魔法打敗魔法”，即用AI降A(chǔ)I率。然而她發(fā)現(xiàn)，AI潤色修改后的句子有時會變得很“滑稽”，出現(xiàn)語義不通等問題，反而導(dǎo)致“AI味”很重。

學(xué)生用AI輔助科研協(xié)作，高校用AI檢測工具識別AI生成內(nèi)容，學(xué)生繼續(xù)用AI降A(chǔ)I率……蔡芬認(rèn)為，圍繞AI檢測結(jié)果反復(fù)生成、改寫和規(guī)避，表面上是在處理技術(shù)指標(biāo)，實質(zhì)上反映了學(xué)生在寫作、發(fā)表和規(guī)則不確定性面前的焦慮。“一些學(xué)生并非完全不知道風(fēng)險，而是不清楚學(xué)校到底允許什么、禁止什么，于是通過檢測工具進(jìn)行策略性應(yīng)對。”

在蔡芬看來，學(xué)校不能把AI治理簡單交給一個檢測分?jǐn)?shù)，而應(yīng)把重點放在規(guī)則建設(shè)和過程管理上：明確哪些使用行為被允許且需要聲明，哪些行為屬于違規(guī)；引導(dǎo)學(xué)生保留寫作過程記錄和AI使用記錄；結(jié)合導(dǎo)師判斷、學(xué)生說明、參考文獻(xiàn)核驗和答辯追問進(jìn)行綜合評價。

當(dāng)工具越用越順手，訓(xùn)練的價值何在

“就教育或?qū)W術(shù)訓(xùn)練的目的而言，研究生寫作的價值不是形成一篇文本，更重要的是在寫作過程中訓(xùn)練問題意識、文獻(xiàn)閱讀、邏輯推理和學(xué)術(shù)表達(dá)能力。”蔡芬指出，不能簡單把研究生使用AI寫作等同于學(xué)術(shù)不端，關(guān)鍵要看AI是在幫助學(xué)生減輕機(jī)械性負(fù)擔(dān)，還是在替學(xué)生完成核心學(xué)術(shù)判斷。

同濟(jì)大學(xué)生命科學(xué)與技術(shù)學(xué)院直博六年級學(xué)生王楠（化名）對AI進(jìn)入實驗室的變化感受更為直觀。他注意到，隨著大語言模型能力提升，低年級學(xué)生已經(jīng)可以借助AI完成不少原本復(fù)雜的代碼任務(wù)。“過去遇到一個問題，研究生往往要查網(wǎng)頁、讀文獻(xiàn)、翻書、自己寫代碼調(diào)試，可能花費幾天時間才能解決。如今，這些簡單任務(wù)可以直接讓AI生成，甚至交給Agent（智能體）執(zhí)行。”

但王楠發(fā)現(xiàn)了更隱蔽的問題。“現(xiàn)在AI生成的代碼已經(jīng)很少出現(xiàn)跑不通的情況了。”他告訴中青報·中青網(wǎng)記者，“這反而讓不少初學(xué)者放松了警惕，低年級學(xué)生拿到AI生成的代碼后，往往只要運行不報錯，就認(rèn)為這段代碼可以使用，至于代碼為什么這樣寫，并不會進(jìn)一步深究。”

王楠注意到，對于一些小眾、具體、需要行業(yè)經(jīng)驗的任務(wù)，AI生成的代碼可能看起來合理，也能跑通，卻在參數(shù)設(shè)置、分析流程或方法選擇上存在細(xì)微問題。初學(xué)者如果不理解代碼背后的邏輯，很難發(fā)現(xiàn)這些“坑”。

王楠以生物信息學(xué)數(shù)據(jù)分析為例說明，不同類型的數(shù)據(jù)集可能對應(yīng)不同參數(shù)設(shè)置。如果學(xué)生習(xí)慣于直接使用AI生成的代碼，卻不知道參數(shù)需要與數(shù)據(jù)類型匹配，就可能得到錯誤結(jié)果，甚至這些結(jié)果可能看起來也“像真的”，從而導(dǎo)致與正確結(jié)論“擦肩而過”。

拋開技術(shù)層面的隱患，王楠表示，如果不去深究代碼里的每個步驟，就無法真正理解這些生物學(xué)問題是如何被解決的，也無法把AI給出的信息轉(zhuǎn)化為自己的知識。

這也讓王楠意識到，許多研究生的學(xué)習(xí)模式正在發(fā)生變化：從“學(xué)習(xí)如何做科研”，逐漸轉(zhuǎn)變?yōu)椤皩W(xué)習(xí)如何利用AI做科研”。AI時代的科研訓(xùn)練，不再只是掌握工具，而是如何在工具介入后仍然保持理解能力和判斷能力。

蔡芬認(rèn)為，如果能夠規(guī)范使用AI，學(xué)生可以快速提升資料搜集和信息整合能力、語言表達(dá)和學(xué)術(shù)寫作能力、跨學(xué)科知識學(xué)習(xí)能力以及研究方案設(shè)計能力等。“不過，AI難以替代真正的原創(chuàng)性問題提出、理論敏感性、方法適配判斷、田野經(jīng)驗、數(shù)據(jù)解釋能力和學(xué)術(shù)價值判斷。”她指出，科研能力的核心并不只是“找到信息”，而是判斷什么問題重要、什么證據(jù)可靠、什么解釋更有學(xué)術(shù)貢獻(xiàn)。“這些能力不可能通過AI工具一蹴而就，需要通過長期閱讀、寫作、同行討論和導(dǎo)師指導(dǎo)等過程逐漸形成。”（記者 王璟瑄）

來源丨《中國青年報》2026年7月10日

聲明：轉(zhuǎn)載此文是出于傳遞更多信息之目的。若有來源標(biāo)注錯誤或侵犯了您的合法權(quán)益，請作者持權(quán)屬證明與我們聯(lián)系，我們將及時更正、刪除，謝謝。