当AI成为“科研搭子” 谁来守住学术训练的底线

人工智能技术正以前所未有的速度渗透到高校的科研活动中，从辅助文献检索、梳理研究思路、生成代码，到完成复杂计算和文本撰写。

6月30日，美国人工智能公司Anthropic推出了面向科研领域的AI平台Claude Science。该平台不仅是聊天助手，更是一个集成了常用科研工具、计算资源并能生成可审计成果的AI工作台，标志着AI正从通用问答工具向更专业的科研流程迈进。

北京科技大学文法学院教师蔡芬基于北京大学中国博士教育研究中心组织的全国博士毕业生调查数据，发表了研究成果《AI辅助博士生科研现状及其影响的学科差异——基于2024年全国博士毕业生调查的分析》。该研究分析了14371份全国学术学位博士生问卷，发现理工农医（特别是计算机科学）领域的博士生AI辅助科研使用率较高，而人文社科（特别是人文学科）领域较低。此外，人文社科博士生更多地将AI应用于科研的早期阶段，而理工农医博士生则更多用于后期工作。

毕业季期间，社交媒体上“如何用AI写文献综述”、“AI辅助论文降重”、“怎样降低论文AI率”等话题备受关注。

蔡芬指出，AI已深度融入大学生的科研训练，但不同培养阶段和学科背景的学生对AI的需求存在差异。

当AI成为许多学生科研生活中的“标配”时，其作用是增强了科研能力，还是让学生“跳过过程直接到答案”？

AI应被视为一种辅助手段而非最终目的。

四川大学即将直博本校网络空间安全专业的谢莉（化名）表示，AI已参与到她科研流程的多个环节。她会先自行阅读文献，确定研究方向后，再向AI咨询相关研究的既往情况、自己想法的可行性及发展空间。若想法可行，AI会提供学习路径建议，之后再进入具体研究。

谢莉认为，AI的“入门”帮助她快速迭代科研想法，显著缩短了文献调研、路线评估和代码编写等环节所需的大量时间。对于理工科学生而言，AI的代码生成功能尤为高效。谢莉通常让AI生成代码，并用测试用例验证结果。她认为AI的价值在于加速科研节奏，快速实现或否定想法，而非直接提升学习或编程能力。她强调，AI是外部工具，自身基础能力的培养更为重要，不能过度依赖。

蔡芬的研究和观察显示，硕士生和博士生在使用AI辅助科研时存在显著的阶段性差异。硕士生更侧重于“科研入门、任务减负与概念理解”，而博士生则更关注“科研提效、成果发表与研究边界拓展”。

浙江财经大学法学院民商法专业研一学生孙宇（化名）的使用体验与理工科学生有所不同。尽管导师建议合理使用AI辅助资料查找和措辞修改，但孙宇坦言不确定如何让AI更有效地服务于科研。

孙宇强调，不能在缺乏知识基础的情况下依赖AI，而应先构建自己的知识体系。他认为AI提供的答案必须经过甄别，尤其在法学研究中，资料的真实性、写作中的逻辑关系和论证力度不能完全交给AI。他曾尝试使用AI节省时间，但发现AI在资料查找和语言构建上可能出现偏差，有时需要花费更多时间核实。他指出，法学研究中许多问题不存在绝对正误，法律解释、法理分析和学术观点的价值需在具体语境中论证，AI生成的内容虽流畅，但未必可靠。

孙宇认为，研究生最重要的仍是自主学习能力，AI只是手段而非目的。他坚信，充足的知识储备是应对问题的最有力武器。

如何缓解因“AI率”引发的规则困境？

随着AI在学生科研和论文写作中的参与度日益增加，高校也在不断完善相关规定。

早在2024年末，复旦大学就发布了《复旦大学关于在本科毕业论文(设计)中使用AI工具的规定(试行)》，明确了AI工具在本科毕业论文中的使用范围和原则。

2025年11月，清华大学发布了《清华大学人工智能教育应用指导原则》，提出了“主体责任、合规诚信、数据安全、审慎思辨、公平包容”等原则，要求师生如实披露AI使用情况及生成内容，并严禁将AI生成内容直接复制或简单转述后作为学业成果提交。

针对研究生，《指导原则》强调禁止AI代替本应由学生完成的学术训练，严禁使用AI进行代写、剽窃、伪造等行为。研究生导师有责任提供规范指导并进行全过程监督，确保学术训练的完整性以及学位论文和实践成果的原创性。

近两年，为防止学生利用AI代写毕业论文，全国多所高校纷纷出台规定，根据不同专业设定了20%-40%的“AI率”红线。

北京科技大学社会工作专业毕业生韩芳（化名）尝试使用AI来降低“AI率”，但发现AI润色后的句子有时会变得“滑稽”，语义不通，反而增加了“AI味”。

学生利用AI辅助科研，高校使用AI检测工具识别AI生成内容，学生再用AI降低“AI率”……蔡芬认为，这种围绕AI检测结果的反复生成、改写和规避，表面上是处理技术指标，实质上反映了学生在写作、发表和规则不确定性面前的焦虑。一些学生并非完全不了解风险，而是不清楚学校的具体规定，因此采取策略性应对。

蔡芬建议，学校不应将AI治理简单化为检测分数，而应侧重于规则建设和过程管理：明确允许的使用行为并要求声明，界定违规行为；引导学生保留写作过程和AI使用记录；结合导师判断、学生说明、参考文献核验和答辩提问进行综合评价。

当工具日益便捷，训练的价值何在？

蔡芬指出，从教育和学术训练的角度看，研究生写作的核心价值在于训练问题意识、文献阅读、逻辑推理和学术表达能力，而非仅仅形成一篇文本。不能简单地将研究生使用AI写作等同于学术不端，关键在于AI是在减轻机械性负担，还是在替代核心学术判断。

同济大学生命科学与技术学院直博六年级学生王楠（化名）对AI进入实验室带来的变化感受更为直接。他注意到，随着大语言模型能力的提升，低年级学生已能借助AI完成许多原本复杂的代码任务。过去需要数天时间解决的问题，现在AI可以快速生成代码，甚至交给Agent（智能体）执行。

然而，王楠也发现了更隐蔽的问题。他表示，AI生成的代码很少出现运行错误，这反而让一些初学者放松警惕，拿到代码后只要能运行就认为可用，而不会深究代码的编写逻辑。

王楠指出，对于一些小众、具体且需要行业经验的任务，AI生成的代码可能看起来合理且能运行，但在参数设置、分析流程或方法选择上可能存在细微问题。如果初学者不理解代码背后的逻辑，很难发现这些“坑”。

以生物信息学数据分析为例，王楠说明，不同类型的数据集需要匹配不同的参数设置。如果学生习惯于直接使用AI生成的代码，而不了解参数与数据类型的匹配关系，就可能得出错误结果，这些错误结果甚至可能看似合理，从而导致与正确结论失之交臂。

抛开技术层面的隐患，王楠认为，如果不深究代码的每一步，就无法真正理解生物学问题的解决过程，也无法将AI提供的信息转化为自身知识。

这也让王楠意识到，许多研究生的学习模式正在转变，从“学习如何做科研”转变为“学习如何利用AI做科研”。AI时代的科研训练，不再仅仅是掌握工具，而是在工具介入后仍保持理解和判断能力。

蔡芬认为，规范使用AI可以帮助学生快速提升资料搜集和信息整合能力、语言表达和学术写作能力、跨学科知识学习能力以及研究方案设计能力。然而，AI难以替代真正的原创性问题提出、理论敏感性、方法适配判断、田野经验、数据解释能力和学术价值判断。她强调，科研能力的核心并非仅仅是“找到信息”，而是判断什么问题重要、什么证据可靠、什么解释更有学术贡献。这些能力不可能通过AI工具一蹴而就，需要通过长期阅读、写作、同行讨论和导师指导等过程逐步形成。

赏金国际持续更新热门游戏平台资讯、活动公告、版本动态及平台介绍，为用户带来丰富的娱乐内容与服务信息。快速进入官网即可浏览更多精彩内容，开启全新的娱乐平台体验。

精选赏金国际h5内容，赏金国际与你一同发现更多精彩。