细思极恐！AI降低造假门槛，网传论文再也不能只看表面

一篇假论文，最吓人的地方不是它胡说。

它真正厉害的地方，是它用的理论是真的，排版像真的，作者署名像真的，连期刊名都故意蹭了一个真的。

网传论文题目叫《为什么导师喜欢娶自己的博士？——基于不完全合约理论的微观机制分析》。看标题就知道，它会引发争议。6月29日，上海对外经贸大学回应媒体称，经人事部门核实，学校没有名为“单福”的老师和学生。文中提到的《美国经济评臆》也不是正规出版物，校方判断可能是有人出于恶搞目的，用AI生成了文章。

这件事和普通人有什么关系？

关系很直接。你以后在短视频、朋友圈、微信群、头条里看到一张“论文截图”，上面写着高校、教授、期刊、摘要、参考文献，不能再只凭“看起来像真的”来判断了。

因为AI已经能把“看起来像真的”这件事做得很便宜。

假论文不稀奇，稀奇的是它套了真理论

这篇论文之所以能传开，不是因为它写得多高明，而是因为它抓住了几个很会骗人的点。

第一，它选了一个天然有争议的话题：导师和博士生关系。

第二，它不是用网文口吻乱写，而是用了经济学论文的壳：标题、副标题、摘要、关键词、模型设定、理论推导、结论。

第三，它套了一个真的理论：不完全契约理论。

不完全契约理论不是编出来的。2016年诺贝尔经济学奖授给了Oliver Hart和Bengt Holmström，理由是他们对契约理论作出了贡献。这里面涉及资产专用性、敲竹杠问题、纵向一体化，都是经济学里能查到的概念。

所以它不是那种一眼假的“地球是平的”式谣言。

它更像一种拼装：真概念、假作者、假期刊、真排版感、假研究对象。

这种东西最容易骗过一类人：不懂细节，但大概听过学术名词的人。

看到“不完全契约理论”，很多人会觉得：这不像普通人编的。看到“模型推导”，又会觉得：这好像有点专业。看到“上海对外经贸大学”，可信度又往上抬了一层。

这就是它危险的地方。

AI不是发明了假论文，而是降低了伪造成本

这件事可以用另一个经济学理论来解释：信号传递理论。

Michael Spence在1973年发表《Job Market Signaling》，后来因为信息不对称研究获得2001年诺贝尔经济学奖。他讲的核心问题很简单：当别人看不见你的真实能力时，你要发出一个“信号”。

学历就是信号。论文也是信号。高校署名、期刊名、参考文献、数学公式，也都是信号。

过去，这些信号之所以有用，是因为造假成本不低。

你要冒充一个高校老师，要面对学校官网、人事系统、同事圈子的核查。你要冒充正规期刊，要面对数据库、ISSN、官网档案的核查。你要写出一篇像样论文，要懂格式、懂概念、懂一点学科语言。

这些东西以前都要成本。

AI改变的是其中一部分成本。

它不能替你变成真实教师，也不能替你把假期刊塞进正规数据库，但它可以快速生成一篇“像论文的东西”。标题、摘要、关键词、模型、公式、结论，全都能装出来。

也就是说，信号外壳还在，信号成本被砍掉了一大截。

这才是普通人需要警惕的地方。

“美国经济评臆”这个名字，本身就是线索

网传文章里提到的《美国经济评臆》，很明显是在蹭American Economic Review，也就是经济学圈常说的AER。

AER是真期刊，而且是顶级经济学期刊之一。真正的American Economic Review在美国经济学会官网有正式页面，有ISSN，有每年每期的卷期记录。

但“美国经济评臆”不是AER。

“评臆”两个字也很微妙。它看起来像“评论”的“评”，又带着“臆想”的“臆”。英文语境里，相关公开源文件还出现过American Economic Rubbish这样的表达。Rubbish是什么？垃圾、胡扯。

换句话说，这个制作者很可能不是完全想装成真论文，而是在做一种内行能看懂的恶搞。

问题是，互联网传播不按制作者原意走。

懂的人看到“评臆”“Rubbish”“吉米奈”“大规模语言模型”，可能会笑一下，说这是整活。

不懂的人只看到“高校老师”“经济学论文”“诺奖理论”“研究表明”，就可能当真转发。

同一篇内容，对内行是段子，对外行就是污染信息。

这就是今天很多AI内容最麻烦的地方。它不需要骗过所有人，只要骗过足够多不核查的人，就已经完成传播。

最容易被误读的地方：不是“学术都不可信”

这件事最容易被带偏成两个方向。

一个方向是说：你看，学术也不过如此。

这不对。

假论文用了真实理论，不等于真实理论有问题。一个骗子穿白大褂，不代表医学是假的。一个AI生成的论文壳套了经济学概念，也不代表经济学概念失效。

另一个方向是说：AI太可怕，以后什么都不能信。

这也不对。

真正的问题不是“什么都不能信”，而是“以前用来快速判断可信的信号，开始不够用了”。

过去，普通人看一张论文截图，可能会默认几件事：有高校单位，大概率是真的；有期刊名，大概率是真的；有参考文献，大概率查得出来；有公式，大概率不是随便写的。

现在这些默认值要下调。

截图不是证据。排版不是证据。摘要不是证据。理论名词也不是证据。

真正更可靠的东西，是可追溯。

作者能不能在机构官网查到？期刊能不能在官网或数据库查到？文章有没有DOI？DOI能不能打开？期刊卷期是否对应？作者邮箱是不是机构邮箱？这些比“写得像不像论文”更重要。

以后判断一篇网传研究，重点不是看它像不像，而是看它能不能被追到源头。

普通人以后怎么查，三步就够

普通人不需要变成学者，也不需要懂经济学模型。只要多做三步，很多假内容就过不去。

第一步，查期刊。

把期刊名放进搜索引擎。如果是真正规期刊，通常会有官网、ISSN、数据库收录、过往卷期。像American Economic Review这样的期刊，官网上能清楚看到卷、期、文章列表。

第二步，查作者。

如果作者署名某高校，去学校官网搜名字。很多高校有教师主页、学院页面、新闻报道、论文列表。一个完全查不到的人，至少要打个问号。

第三步，查原文。

不要只看截图。截图可以裁剪，可以改字，可以套模板。能打开原文，能看到DOI，能看到期刊页面，才有继续讨论的基础。

这三步不复杂，麻烦的是很多人不愿意做。

因为情绪内容传播太快了。一个标题让你愤怒、惊讶、想嘲笑，你就更不想核查。转发只要一秒，核查要两分钟。AI假内容最喜欢的，就是这两分钟的空白。

我的判断：以后“像论文”会越来越不值钱

这件事给我的最大提醒是：内容行业和学术传播都要换一套判断方式了。

以前我们太依赖外观。

像新闻，就以为是新闻。像论文，就以为是论文。像专家，就以为是专家。像官方文件，就以为是官方文件。

AI最擅长的，恰好就是外观。

它可以写得像，可以排得像，可以引用得像，可以装出一种“我很专业”的语气。它不需要真的做研究，也能生成研究的样子。

所以未来最有价值的不是“写得像”，而是“查得到”。

查得到作者。查得到机构。查得到期刊。查得到原文。查得到数据。查得到同行评审痕迹。查得到修改记录。

这篇假论文本身，过几天可能就没人讨论了。

但它留下的提醒会更久：当AI把伪造外壳的成本压低之后，每个人都被迫多承担一点核查成本。

这不是学术圈自己的事。

以后你看到“某研究证明”“某高校教授发现”“某论文称”“某专家建议”，别急着信，也别急着骂。

先问一句：原文在哪？