刚刚！DeepSeek成为AI论文一作，人类教授给成果打了近90分

就在刚刚，DeepSeek竟然登上了期刊。

智能纪元AGI 6月26日消息，学术期刊《华东师范大学学报（教育科学版）》近期发布了「AI 一作」大型社会实验的成果专题。

该专题包含对实验本身的复盘报告、学术反思，以及 5 篇在实验中胜出、由 DeepSeek 和 Gemini 等大模型署名第一作者的教育学学术论文，由华东师范大学于 2025 年 9 月发起。

DeepSeek成为论文辅助工具并不稀奇，但这个事件的重要性在于，AI已经成为高校发表论文的重要“作者”。

这次人机共生论文发起人、华东师范大学教育学部主任、华东师范大学终身教授，博士生导师、中国教育学会副会长的袁振国在评论文章中指出：

图灵测试是判断人工智能能不能以假乱真；而“AI一作”实验则是要观察人工智能能不能超越人的水平。实验结果表明，如果把学术期刊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，在 AI 一作的 700 多篇论文中，大部分得分在 40-80 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。

很显然，在袁振国看来，这场实验真正的价值，不在于结果，而在它第一次把 AI 科研的“事故率”，放到了阳光底下。

先看这次《华东师范大学学报（教育科学版）》2026 年 第 8 期，共有8篇论文，包括绪论、全景报告、先锋论文选等。

其中，两份期刊总述核心论文《加快探索智能时代科研新范式 ——“AI 一作” 大型社会实验侧记》、《超越图灵测试：全球首个 “AI 一作” 大型社会实验全景报告》，完整介绍启动全球首个 AI 第一作者大型社科教育社会实验全流程、数据、核心结论、人机协同理论。

论文指出，实验设计是华东师大教育学部、智能教育实验室 2025年9月发起AI 一作征文社会实验，硬性规则包括AI 在假设、设计、数据分析、写作中承担主导角色，标注为第一作者；人类为共同或通讯作者，承担全部学术、法律责任，强制提交 AI 使用过程说明书。

数据显示，征集半年，剔除重复测试稿后有效投稿 724 篇，人类参与者 1177 人，覆盖全国各省以及9个海外国家。

参与者结构方面，论文显示，硕博本科生 68.31%、高校教师 19.37%、基础教育从业者 7.9%，青年群体对人机协同接受度显著更高。

AI工具使用统计上，近百款大模型参与投稿，DeepSeek 占比 34.64% 排名第一，其次为豆包18.74%、ChatGPT高达17.51%；高分上榜论文中 DeepSeek、谷歌Gemini使用频次稳居前二。

征文发布后，舆论剧烈分化，分为三类立场：

支持派：属于超前科研实验，强制 AI 署名倒逼学界直面 AI 科研现实，推动透明化披露，探索碳硅共生新范式；

反对派：担忧人类学术主体性退场，AI 无自主意识、无法承担责任，过度依赖会造成思维惰性、认知外包；

审慎派：承认 AI 不可逆转融入科研，需搭建伦理、署名、责任制度框架，人类必须掌握价值判断主导权。

“这次征文最主要的集中在三个方面：法律责任、学术规范、学术伦理，这些是最直接、最现实的挑战。但这些问题的单个回答恐怕已经无济于事，而是需要考虑如何重构学术贡献的署名与责任体系。对于 AI 一作，也许需要确立“人类担保人制度”，规定任何含 AI 生成内容的论文，必须有一位或多位人类“担保作者”，比如通信作者或资深作者。担保人需对 AI 产出的全部内容，包括数据、代码、结论等承担与完全由人类撰写论文相同的法律责任。这意味着人类不能简单签名，而要对 AI 进行全流程审核和修改。”

具体到内容层面，DeepSeek在其中三篇论文中都发挥了关键作用，分别是：

• 《基于多智能体模拟的教师轮岗政策效应研究 —— 来自 “教育生态系统” 模型的仿真证据》
• 《“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》
• 《人机协同视域下的深度认知支架 —— 基于 12824 条学习者 - GenAI 多轮对话的滞后序列分析》

都盯准了一个话题：让AI帮助教育和学习者。

比如，第三篇论文的数据源，来自一万两千余条学生与大模型完整交互对话；研究方法则是滞后序列质性量化分析，挖掘人机对话中的认知生成路径；核心结论是，AI 可搭建临时认知支架，拓展学习者思路，但深度批判性思考必须依赖人类主动追问与反思，单纯依赖 AI 对话会造成认知浅层化。

“提炼人机对话高效协同策略，为课堂 AI 教学、自主学习提供实操框架。”论文中称。

事实上，这篇论文在审稿层面也使用了AI，让AI审稿进行可行性验证。通过搭建多模型协同审稿系统（DeepSeek、Qwen、GPT、Claude、Kimi 等），实行AI 初审 + 人类专家复审双轨评审。 人机评审共识度 76%；AI 擅长格式、逻辑、规范筛查；人类独有创新、人文价值判断能力；不同模型存在科研偏好差异：DeepSeek 侧重逻辑自洽与学术规范，GPT 更看重国际文献支撑；评审产出三大榜单：综合质量榜、多模型创新排名榜，仅少量论文获评杰出（0.41%）。

所以，全部论文强制披露 AI 使用流程，明确 DeepSeek 等模型贡献、人类终审全责；大学肯定 AI 提效价值，但坚持人类在创新、价值、伦理层面不可替代；人机协同是不可逆科研、教育趋势，但必须建立规范、披露、担保人制度规避学术泡沫；

最终结果显示：AI 在受限场景、可量化问题、强结构化数据的研究中，已经能跑完整条链路。

这次实验还有很多不足和AI论文的问题。

论文中指出，不少投稿论文在研究逻辑维度存在“形式完整、内容空洞”的问题，平均得分率仅 66.8%。其中，研究问题环节得分率 74.2%，理论支撑降至 65.7%，文献对话仅为 60.5%。

具体来说包括三个问题：

一是研究问题存在选题空泛、失于聚焦的现象。73.8% 的论文存在这一问题；

二是理论基础方面存在名词堆砌而应用薄弱的问题，理论基础环节平均得分率 65.7%，AI 在提供理论支撑时存在拼贴现象，习惯集中堆砌建构主义、联通主义、分布式认知等理论名词，却未能与后续研究设计、数据分析建立有效逻辑关联，理论沦为证明学术性的“标签”

三是文献综述方面仅是简单罗列而难成学术对话。文献综述环节平均得分率 60.5%，89.5% 的论文被指出存在综述缺陷，为表现最弱环节。AI 生成的文献综述多遵循“A 学者提出 X 观点，B 学者研究 Y 问题”的线性罗列模式，缺乏学术对话意识与批判性思维，文献引用沦为观点佐证而非立论基础。同时，受训练数据时效性限制，AI 引用近 1~2 年前沿文献存在困难，综述未系统分析该领域研究进展与痛点，亦未识别 AI 技术的应用空白，削弱了研究立论的合理性。

当然，评测表明 AI 审稿表现出一定可靠性，青年学者对人机协同的适配度更高，AI 的应用也在一定程度上推动了智慧平权。

华东师大这次实验的难得之处，是它没有回避失败：文献虚构、逻辑空心、创新不足——这三条硬伤被写进了公开发表的复盘报告。

华东师大认为，人类没有把 AI 写成救世主，也没有把它写成骗子，它写成了一个有明确能力边界的工具。

人类担保人制度、C 商、AI 霸权——这三个概念能不能成为学术界的标准词汇还不一定。但它们至少打开了一个新的提问方式：AI 科研的瓶颈，不在 AI，在人。

在袁振国教授文章中，他认为，过去探究知识是有门槛的，能够掌握知识和探究知识是一种能力，并且成为了一种身份，获得了一种权力，也可以叫知识霸权。但AI 填平了这道护城河，任何人用自然语言提问，AI 就能提供有相当深度的知识内容和知识解释，不再需要多年的学科训练才能“进入”一个领域。知识的获取从特权变成了“普遍福利”。

当然，AI 能生成符合学术规范的论文、报告、代码，虽然不能替代学位，但它极大地降低了学位的成色。知识的外在形式包括术语、引用、格式等不再能被可靠地标识“谁是专家”“谁是外行”。

AI 可以辅助甚至主导文献综述、数据分析、假设生成，一个没有博士学位的人，在 AI 帮助下，也可能做出很像样的博士论文，知识霸权被日益瓦解了，——“旧时王谢堂前燕，飞入寻常百姓家”。

AI 打破了传统知识精英对知识获取和生产的垄断，普通人可以更快学习、更好地探究问题，这是知识民主化的巨大进步。但“知识的霸权”有可能很快转换成“AI 霸权”。那些拥有提问、判断、整合能力，以及掌握 AI 技术资源的人，将成为新的知识权力阶层。社会如何确保 AI 带来的知识普及红利被广泛共享，而不是加剧新的不平等？

传统的学术堡垒看似坍塌，但也许只是学术权力的转移。谁控制着最强大的 AI 模型，谁拥有训练数据能力，谁决定 AI 的价值观和知识边界，谁就是“AI 领主”。

这些“AI 领主”将拥有前所未有的、塑造集体认知的权力。他们可以不费吹灰之力地定义“主流知识”、边缘化异见，甚至操纵公众认知。相比过去分散的、可被辩论的学术精英，这种霸权可能更集中、更隐蔽、更难反抗。

教育体系如何帮助所有人，而非少数精英获得“驾驭 AI”的能力？这是全世界人工智能协同治理的紧迫命题。

我觉得吧，让AI替代人类，似乎还需要点时间。