IEEE实验揭示57%论文含AI痕迹 伪论文可绕过初审

IEEE近期发起一项实证实验，研究人员仅通过自然语言提示驱动大语言模型（LLM），生成一篇包含假设推导、代码实现与结论分析的伪科研论文，并提交至IEEE Access期刊。在未刻意规避检测的情况下，该论文几乎通过初审流程，暴露出当前学术出版防线的脆弱性。该实验呼应PNAS 2026年研究数据：2025年全球已发表学术论文中57%存在可检测的LLM使用痕迹，较2023年12%大幅跃升；《自然·通讯》同年收到的审稿意见中，超12%被确认完全由AI生成。中国学者饶毅指出，AI不仅能打假，更能制造符合统计规律与学科逻辑的虚假数据，部分组学服务公司甚至可逆向生成全套“原始数据文件”，实现“仪器不开机、实验全模拟”的结果导向型伪造。此类伪造因数据“零瑕疵”反而更具迷惑性——真实实验常含合理重复值或离群点，而过度规整的数据反成疑点。编辑实践中亦现困境：有作者因行文风格被误判为AI生成而退稿；另有个别稿件直接嵌入AI操作提示语或虚构文献。河北大学2026年10月通报一例博士论文涉嫌AI伪造事件，涉虚构参考文献与史实错误，显示人文社科领域同样风险凸显。技术攻防陷入循环：现有AI检测工具误报率高、易绕过，且仅能识别“像AI写的”，无法判定内容真伪。国际出版界正推动强制披露AI使用范围、要求关键步骤可复现、共建可疑内容数据库等措施，但根本挑战在于科研评价机制过度倚重论文数量与影响因子，促使部分研究者滑向效率优先甚至主动造假路径。专家呼吁重构科研文化，将可复现性置于发表速度之上，否则科学真实性将持续承压。