论文里这几种常见做法，逐条点评现在的风险

整治升级之后，被重新定性的往往是当年最不起眼的操作

2026年，科技部主导的撤稿论文行动继续深化，大学学术不端曝光频率显著增加。河北大学针对网传的一篇毕业生论文涉嫌学术不端，发布情况通报进行调查，还有成都大学等高校都有案例被公开。这些通报放在一起，有个共同点：被重新翻开的论文，当年多是“过关”的——查重过了，答辩过了，学位也拿到了。

变的是查的入口，不是查得更勤。以前看文字像不像抄的，现在是看这篇论文是怎么来的，从选题、到成稿，有哪些是你做的、哪些是他人做的、哪些是机器做的。这个转向，让好几种当年被当成“常规操作”的做法，位置一下子变了。下面介绍四种最常见的。

做法一：请AI把话说顺

“让AI润色一下”“帮我扩写这一段”“把这个意思用学术一点的话讲一遍”，是这几年的最普遍用法。用它的人大多不认为有问题：思路是我的，数据是我的，AI只是把话说顺了。这个理由是合理的，但难以证实。

学校现在关心的是在这篇论文的形成过程中是否注入了人的因素。如果从选题到初稿几乎没有什么中间产物，没有笔记，文献摘录，零散的草稿，一版一版的记录，突然变得完整工整的终稿，那就需要更多的材料支撑“我只是让它润色”。有材料则事简，无材料则理直亦是空言。

还有一个更隐蔽的：很多人让AI写的恰恰是自己最不熟的——文献综述、研究背景、理论框架。这几块恰恰最能看出作者的功底。综述中出现未阅读的文献、引用与研究不符的观点、概念来源弄错等，无需倒查，答辩时提问即暴露。这一类的点评是：工具无罪，空的过程危险。

使用工具与否并不是定性问题的关键，能否说明论文中哪些部分是自己思考的、撰写的、修改的才是。

— 02 —

做法二：手动把AI率压下去

AIGC检测出来后，指标偏高，很多人第一想法就是“改到合格”。于是就有了各种降低AI率的方法：把术语翻译成更简单的词，把长句子分成短句子，翻译成英文然后再翻译成中文，用同义词替换每个句子，或者使用另一个AI重写。这些操作的共同后果就是：把论文表达改坏了，但内容并没有变得更美好。换掉术语后，降低了专业准确性；打碎句子后，割裂了前后逻辑；同义替换引用后，可能改变了原意。导师看着别扭，同行看着费劲，最后吃亏的却是这篇论文。

更值得注意是定性方面的变化。从近两年高校的定规和公开通报来看，人为干扰检测结果被单独拎出来。它与“抄”不同，但都是问题所在：论文表现出的状态与真实写作状态不符。这类点评很直接——降指标的动作，收益短、代价长。

检测报告只是个参考项，论文到底看的是耐不耐读。与其用一周的时间来换词拆句，还不如用这一周的时间来补充过程材料，将当时的笔记、文献卡片、几版文件整理出来，顺便也思考一下每一章是如何写出来的。这事对答辩和日后的核查都有用处。

— 03 —

做法三：代写、代投、挂个名

这三件事，往往披着“帮忙”的外衣。“师兄帮我写了两章”、“导师让我把合作单位的老师挂上”、“找中介投个期刊快一点”，听起来都不是什么大事，甚至有点像人情往来。

但定性的关键不在金额多少、关系多近，而在于署名和贡献是否对得上。论文上署名，就代表要对这篇论文负责。如果一个署名作者对论文的内容一无所知，从头到尾都不知道这篇论文到底写了什么，数据从哪买卖论文、代写代投，在科研诚信的相关规定里一直是明确列出的失信行为，不会因为“是熟人帮忙”而改变性质。

代投也有其自身的风险。中介为了能够顺利发表论文可能会采取一稿多投、伪造同行评审、伪造作者单位或者联系方式的行为。这些事发生在你看不见地地方，后果却落在你的头上。等几年后论文被撤稿，学校发通报，写的是作者的名字，而不是中介的名字。所以这样的点评是：“帮忙”一词无法改变定性，署名与贡献不符，谁也无法代替你。

— 04 —

做法四：数据和图片“整理”一下

“有几组数据不好看，就没放进去”、“把异常值剔除掉”、“图调亮一点，看得清楚些”、“这张图和上一张有点像，裁一下就行”……这些操作在我们看来都很小，甚至有的是实验室的习惯做法。做的时候也不虚，因为知道“结论是对的”。

问题是这种修改痕迹是最硬的。数据的分布、图片的像素以及结构都是能够被技术对比的，并且不需要有人举报，一次正常的复核就能触发。一旦被质疑，举证责任就要在作者这边了，“当时实验记录就是这样”这句话需要用原始记录、原始数据文件和原始图片进行支撑。拿不出来就很难解释清楚，“记不清了”在核查中是不成解释的。

对这类问题的解决，一般也是最重的几类。文字表述的问题，多少还可以解释，但是数据和图片被证实造假、篡改是完全不同的概念。前面几种做法，还能靠“把过程讲清楚”挽回一些；这一种最好的办法，是从一开始就不碰。数据不好看就写不好看，这也是研究的一部分。

— 05 —

花半小时，把这几件事翻出来

不用等到被点到名字。打开自己的论文，在下面几项过一下，比事后解释强多了。下面两组对比，区别在于手上有没有货。

某一章的写作过程

有痕迹：草稿、笔记、文献摘录、几个版本的文件都在，能说清每一段是怎么来的

没痕迹：只有最终稿，内容还记得，但从选题到成稿之间的过程说不清

AI率偏高的那部分

处理得当：先找原因，比如综述多是通用表述，然后做实质性的重写

处理失当：为了把指标压下去，换词、拆句、来回翻译，论文被改得不像自己写的

下面是具体要翻的物件。不用完全对应上，对上了大部分就行，没对上就先记下来，想想怎么补充。

☐ AI使用痕迹

怎么判断：每章你大概能说出是怎么写出来的。哪个部分完全想不起来怎么写的，先标注出来。

☐ 为降AI率做过的改动

如何判定：修改后术语是否准确，句子之间是否连贯。保留修改前后版本。

☐ 署名与贡献

怎么判断：每一位署名作者，你能不能说出他做了什么。有没有从头到尾没参与的人。

☐ 数据与图片

怎么判断：原始数据文件、原始图片还在不在，文中的图表能不能和原始记录一一对上。

☐ 投稿过程

怎么判断：投过几家、由谁投的、有没有同时投出去的情况，投稿记录能不能查到。

这几个事情现在去做并不会花费太多时间，最麻烦的可能就是翻一下旧电脑的文件夹。最费时间的是几年后有人问你时，你两手空空，一遍又一遍说“我记得当时是”。规定以学校文件和主管部门要求为准，不确定的地方直接问导师或研究生院。

论文最怕的不是被查，是查的时候你拿不出东西