当AI成“一作”，一场先锋实验如何投石问路

当人类作者把“一作”的论文著作身份让给AI（人工智能），人类专家也把评审权让给AI，接下来会怎么样？

市人大代表张治所在的华东师范大学智能教育实验室发起了一场大型先锋社会实验——“AI一作”。主办方公开征集以AI作为论文第一作者和创作主体的研究论文。没想到，活动火爆，共吸引724 篇有效投稿论文，不仅有美、英、韩等海外选手，还有中学生踊跃参与。

今天，华东师范大学智能教育实验室公布脱颖而出的43篇论文。从获奖论文中，一个现实结果清晰显现——学术积淀的台阶正被跨越。通俗理解，一个普通的大学生能借助AI工具写出与教授水平相当的论文。“从高分论文来看，大多是‘选题眼光+工具组合+价值判断’的科学组合。”张治认为，人工智能正冲击着育人范式、科研范式。与其被动等待，不如主动出击。善用工具者将超越“苦吟学者”，赢得未来竞争。

100多种AI工具，最擅长做什么

当AI走向学术生产的聚光灯下，它们能做什么？

超出张治想象的是，此次参与论文征文活动的AI工具超过了100多种。其中，既包括国内主流的大语言模型，大模型集成与智能体开发的新平台，还有特定领域的专用AI工具或插件，以及各方自研自制的AI系统或智能体。

根据统计，DeepSeek使用量高居榜首，占所有AI工具使用量的三成以上。其次分别是豆包、ChatGPT、Gemini和Kimi。

实验中，团队发现，选题策划与大纲生成、文献摘要与速读、资料搜集、学术翻译与对照等功能被广泛使用，也是AI最擅长的工作。

基础工作外，人机协同正逐步提升科研效能。令张治印象颇深的一篇论文采用的是思辨对话模式。作者创新构建了一个由五个异构大语言模型组成的“硅基专家组”。简单来说，让AI做AI的裁判，通过不断逼问大模型，令其跳脱出简单的逻辑生成范式，激发大模型本身的创造力。

投稿论文中，人机交互方式日趋多样化。有AI全程执行、人类把关决策的“委托执行模式”，也有AI各司其职、人类居中调度的“多模型联用模式”。开放的投稿方式，让AI从幕后走到台前，尝试参与未来科学研究的更多可能。

AI评审，能否“算”出好论文

这场先锋实验中，调研团队不仅大胆让AI当“一作”，更继续往前迈了一步——让AI当评审。

“最简单的办法是把最优秀的论文投喂给AI，让它仿照人类专家的思维来评审。”张治介绍，其搭建AI审稿系统时，寻找了许多优秀教授、在读博士生，让他们“背靠背”打分，也让AI不断强化学习。由此，通过人机协同探索如何让AI评出好论文。

结果发现，人类专家与AI评审的一致性越来越高。其中，AI审稿系统与人类专家对论文质量档次判断的一致性比例达到76%。在识别“高质量”与“不合格”两类论文时一致性超过80%。“AI的评判是人类的价值判断和审美在AI世界的投射，”张治解释。

进一步来看， 不同大模型的科研品味有所差异。比如，DeepSeek更注重论文的内在逻辑与规范细节，在推理链和结构化审稿方面更强；ChatGPT对于前沿和风险方法的推广会更谨慎。

“同样语料相同、不同的模型架构也会从同一个知识海洋中捞出不同的珍珠，就是因为他们的网眼不一样，”张治说。

AI幻觉，如何避免文献造假

AI当“一作”并非万能。

调研团队发现，AI幻觉时有发生。最常见的现象之一是编造虚假文献。实验中，12.71%的论文被查出存在“文献绝对虚假”。

AI担任“一作”，还面临学术支撑严重不足等问题。特别是在研究逻辑方面“重形轻质”，研究问题空泛，文献综述简单罗列却难成学术对话。

“方法、过程、规范有余，但落地不足。”张治以教育学领域的投稿论文举例，其在研究设计方面套用模板、忽视教育现实，分析推理也通常止步于描述，很难有深层推断。

这也不难理解。AI产生的思想碎片都是人类历史上已经存在的思想火花。因此，让AI创新生成人类从未产生过的思想很难实现。

“AI最擅长回复人类已有的知识是什么，但是学术研究的价值往往在于提出还没有被充分言说却对现实有着重大意义的洞见。”在论文投稿人、华东师范大学2025级博士研究生张思梦看来，问题的发起者是人。研究中，当AI给出漂亮答案时她不会照单全收。她既要看懂、跑通AI生成的代码，也要对AI给出的数据检索来源、检验真伪。她说，人类研究者最核心的价值不是比AI更聪明，而是更能关切那些被数据遗忘的人，关切那些被效率牺牲的公平，也关切那些被标准答案掩盖的例外。

记者手记：与AI共同走进下一个创新时代

当AI成为“一作”，成为学术成果的核心生产者，人类的贡献该如何评估？

这个颇具时代性的话题，因为一场高校发起的先锋实验提前上演。它已不再停留于该不该使用AI这一表层讨论。其更深层次的指向是研究范式、教育理念的革新。

诚如有专家所言，仅停留于观点演绎、逻辑论证的论文未来或许将丧失学术价值。一边是人类社会耗时多年开展的研究，另一边却是AI在短时间内的反复推演、迅速模拟。两者的科研效率孰高孰低，不言自明。

这并不意味着AI能彻底取代人类研究者。AI拥有海量的文本、极高的效率，能组合已有的知识，却很难创造新的范式。后者恰是勤于思考的人类研究者擅长之处。

但过程中，仍要警惕认知外包、思维惰性。AI的到来，让文献梳理从数周缩至数分钟，正如当年计算器的出现取代了心算。效率产生依赖，更要避免“智能寄生”。当AI给出选项、路径时，人类研究者要凭借自身对世界的深度理解把向定航。

从这一角度来看，人机协作，或许才是打开下一个创新时代的“科学钥匙”。