人工智能正從科研輔助工具演變為科研誠信的系統性威脅。據IEEE Spectrum報道，到2025年，估計有57%的已發表學術文章呈現出可檢測的大語言模型影響痕跡，而2023年這一比例僅為12%。與此同時，2025年《Nature Communications》超過12%的審稿意見被判定為完全由AI生成。由於2025年每40篇顯示AI使用統計證據的論文中僅有一篇正式披露，實際涉及程度可能被嚴重低估。

學術出版遭遇“AI垃圾”衝擊

IEEE Spectrum將當前局面描述為學術出版正被“AI slop”——低質量、大批量生產的AI生成內容——所淹沒。有估算認為，如今每年產生的虛假出版物（其中許多由AI生成）可達數十萬篇。需要說明的是，檢測到AI使用痕跡並不必然意味著論文質量低劣，但大規模、未披露的AI參與已引發對科研記錄可靠性的普遍擔憂。

“受到威脅的不只是（科學）記錄，而是整個科學，”IEEE科研誠信經理Amanda Sulicz警告說，“AI垃圾正在徹底侵蝕人們對科學以及我們花費數百年建立起來的每一個科學流程的信任。”

為驗證造假門檻，IEEE Spectrum記者親測使用AI偽造了一篇科學論文，相關過程與結果被用於說明：在不增加志願審稿人負擔的前提下，出版商現有的識別工具是否足以應對此類內容。報道指出，統計數字和“問題嚴重”的聲明尚不足以傳達危機的真實程度。

教育評估環節同步失守

科研端的誠信壓力之外，AI作弊也在衝擊高校教學評估。據Tom's Hardware報道，菲爾茲獎得主、加州大學伯克利分校數學家Richard Brocherds已停止使用計分家庭作業，原因是AI作弊現象普遍。他表示，批改AI生成的答案是浪費時間和金錢，因此現在僅通過線下考試來評估學生的學習情況。

Brocherds將線下考試視為“唯一剩下的解決方案”，以應對AI的廣泛使用。這一做法反映出，當作業和論文等傳統評估方式難以確認學生真實參與時，教育者正被迫轉向受控的現場考核。

檢測與判斷工具仍待檢驗

在識別環節，AI能否可靠判斷研究想法的新穎性也受到關注。Hugging Face博客發佈的一篇題為《我們能否信任大語言模型判斷研究想法是否新穎？》的文章，介紹了相關基準測試工作，但素材未提供具體結論。該線索表明，業界正在探索用自動化工具輔助科研評價，但其可靠性尚未有定論。

後續關注

綜合多條線索，AI濫用對科研誠信的衝擊已從論文寫作蔓延至同行評審、教育評估和科研評價工具。後續值得關注的方向包括：出版商能否推出有效的AI內容識別與披露機制；高校如何調整評估方式以平衡教學效果與防作弊需求；以及自動化新穎性判斷等工具能否在科研流程中承擔可信賴的角色。