AI生成论文“量产”时代：生产力提高，但能看出质量吗？

“AI使论文增加”是好消息吗？

2025年12月，一项大规模研究引起了关注，该研究捕捉到了生成AI（大型语言模型：LLM）对学术界带来的巨大变化。据Phys.org报道，使用LLM（例如：ChatGPT）的科学家比不使用的科学家论文产量显著增加。而且，这种增长在领域和地区上存在偏差，特别是对“非英语母语的研究者”来说是一个强劲的推动力。Phys.org

这则新闻之所以引人注目，是因为它同时揭示了学术出版中本已存在的“结构性瓶颈”和生成AI带来的“新瓶颈”。对于研究者来说，“写作时间”减少是个好消息。然而，对于审稿人、编辑以及使用研究成果的社会来说，“阅读/识别负担”却大幅增加。效率化的好处在其他地方以成本的形式反弹，这就是这里的情况。

研究是如何测量“AI使用”的？

本次分析的基础是预印本（在同行评审前公开的论文）。康奈尔大学和加州大学伯克利分校的研究人员以arXiv、bioRxiv和SSRN这些大型预印本服务器上提交的超过200万篇摘要（2018年1月至2024年6月）为对象。Phys.org

这里重要的是如何推测“谁使用了LLM”。据Phys.org报道，研究团队让GPT-3.5（GPT-3.5 Turbo-0125）基于2023年之前的摘要生成“AI风格的摘要”，学习其与人类文本的不同（措辞和统计特征），并创建了一个算法来检测这些“指纹”是否出现在后续的摘要中。Phys.org

此外，据EurekAlert!介绍，通过追踪LLM引入前后的变化，使用差分中的差分（difference-in-differences）方法比较引入后的生产力变化。EurekAlert!

也就是说，这不是“本人申报的AI使用”，而是“从文章特征推测”。这其中存在局限（例如文体模板化或校对工具的影响可能混入）。然而，由于规模大，更容易抓住个别例子中难以看到的“整体趋势”。

结果1：论文的“生产力”确实提高了

数据相当强劲。Phys.org介绍了按领域的增长：社会科学和人文学科增长59.8%，生物和生命科学增长52.9%，物理和数学增长36.2%。Phys.org

康奈尔纪事报对此进行了补充，称arXiv上的增长约为三分之一（约36%），而在bioRxiv和SSRN上增长超过50%。康奈尔纪事报

这里容易误解的是，与其说“AI产生了研究想法导致增加”，不如说“写作、整理、投稿准备的摩擦减少”效果更大。即使在实验和分析上花费相同的时间，仅仅因为写作速度加快，“可发表的数量”就会增加。特别是摘要、引言、相关研究的整理和表达的打磨，是LLM擅长的领域。

结果2：非英语地区的“差距缩小”显现

本次研究中最具象征意义的是地区差异。Phys.org报道“亚洲研究者增长最多达89%”，并提到英语为必需的顶级期刊文化对非英语地区的不利历史。Phys.org

康奈尔纪事报进一步指出，亚洲机构的研究者投稿增长达43.0%〜89.3%，而英语国家机构或“高加索”名字的作者则为23.7%〜46.2%，相对较低。康奈尔纪事报

EurekAlert!也总结道，生产力的提升幅度为23.7%〜89.3%，语言障碍较高的人受益更大。EurekAlert!

这表明学术界长期存在的“英语流利性溢价”可能会减弱。如果相比研究内容，“用英语整理的能力”被过度评价，那么这种扭曲确实有可能得到纠正。

另一方面，这也是“竞争规则的改变”。那些曾经凭借英语能力取胜的人优势减少，评价可能转向其他信号（所属机构、指导教师、品牌）。Phys.org警告称，随着文章判断标准的崩溃，可能会依赖于“作者的背景和所属等地位指标”。Phys.org

结果3：文章变得“高级”，但质量标准逆转

这是这项研究最可怕的地方。传统上，能够写出易读且专业的文章通常与研究质量相关。审稿人和编辑在繁忙中依赖文章的完成度作为“快速评估”的依据。

然而，据康奈尔纪事报报道，人类撰写的论文中，“文章复杂度越高越容易被接受”的趋势在可能涉及LLM的论文中逆转，出现了“复杂文章越不容易被接受”的趋势。康奈尔纪事报

TechXplore（The Conversation的再版）也同样指出，在AI支持下，“复杂语言”可能被用来掩盖薄弱的内容。TechXplore

简单来说，“文章写得好=好研究”这一捷径被打破。更准确地说，“文章写得好变得比以前更容易获得”。因此，仅凭文章判断“命中”的概率降低。

结果4：引用和探索的“多样化”带来的意外好处

并非全是坏消息。康奈尔纪事报介绍说，AI的使用也影响了相关研究的探索，AI搜索（例如：Bing Chat）更容易访问新文献和书籍，相对削弱了传统搜索中常见的“旧且被大量引用的经典”偏见。康奈尔纪事报

EurekAlert!也总结道，LLM使用者倾向于阅读和引用更多样的文献（书籍、更新的研究、引用较少的文献）。EurekAlert!

这可能会扩展研究的“思维宽度”，但也带来了其他担忧。引用越多、越多样化，检查引用准确性的负担也会增加。如果生成AI的幻觉（看似合理的错误）混入，可能成为错误引用链的温床。

“论文洪水”和审稿的未来：什么会堵塞？

将以上内容总结成一张图表如下。

• 研究者：写作过程缩短 → 投稿数量增加

• 期刊/审稿人：阅读数量增加＋文章完成度难以筛选

• 研究评价（录用/晋升/资助）：数量指标进一步扭曲（数量过多）

• 社会：获取可信见解的成本增加

Phys.org建议的对策包括“更深入的检查”或“基于AI的审稿支持代理”。Phys.org

TechXplore（The Conversation）则考虑到论文投稿数量的增加和编辑负担，暗示可能需要使用AI审稿支持来应对。TechXplore

然而，用AI来裁定AI的结构也带来了新的风险。检测器的偏差、误判、工具竞争（规避检测的文本优化）等，可能会引发“猫捉老鼠”的局面。重要的是将评价标准从“打击AI风格”转向“验证研究的稳健性”。

SNS的反应（趋势）：赞成与反对的分歧点在这里

※以下并非对个别帖子的全面统计，而是整理了在文章化、再版、讨论中反复出现的论点（＝SNS上易传播的“反应模式”）。

1) “非英语地区的希望”派：期待研究的民主化

亚洲研究者增长43.0〜89.3%的数字非常强烈，容易与“英语壁垒扭曲了研究竞争”的体感联系起来。康奈尔纪事报

“即使英语不好也能凭内容取胜”“校对成本降低是正义”等语境下，容易被积极接受。

2) “警惕AI低质泛滥”派：精美文章增加“噪音”

另一方面，正如TechXplore用“AI slop（低质量生成物泛滥）”这一强烈词汇讨论的那样，审稿和编辑已经到了极限，精美文章的涌入是危险的，这种反应也容易出现。TechXplore

康奈尔纪事报也传达了编辑者“流入了写得好但科学价值低的稿件”的“现场感”。康奈尔纪事报##