沈南乔｜OC 社会影响编辑

据研究团队在 方法说明 中介绍，他们分析了 12750 篇 arXiv 论文，估计 2026 年新论文中约 32% 带有可检测的机器写作特征；计算机科学样本最高约 65%，数学最低约 0.7%。

一句话结论： 32% 不是“每三篇就有一篇由 AI 独立完成”，它表示检测器认为文本分布受到模型写作影响，无法区分润色几句话、翻译英文与整篇生成。

团队用大语言模型出现前的论文校准检测器，并把假阳性率压到约 0.4%。这能回答“旧的人类文本会不会被大量误报”，却不能完全解决领域差异。数学论文公式多、自然语言少，检测敏感度本来就低；计算机科学的写法与模型训练语料更接近，也可能更容易被识别。

另一个问题是基准会移动。研究者知道哪些词和句式容易触发检测后，可以改写；新模型的输出风格也会变化。检测器适合观察大样本趋势，不适合仅凭一个分数指控某位作者作弊。

AI 参与也不等于研究造假。非英语作者用工具润色、研究者压缩摘要，与生成不存在的实验数据有本质区别。学术机构更应该要求披露用途、保留实验和版本记录，并核验事实与引用，而不是追求一台“AI 测谎仪”。

关键事实

• 样本量 12750 篇，估计 2026 年机器写作影响约 32%。
• 不同学科差异巨大，检测能力也不同。
• 检测器不能判断 AI 参与程度，更不能独立证明学术不端。

OC 判断

这项研究能说明学术写作已经被 AI 大规模改变，不能说明三分之一论文的科学内容由 AI 发明。把概率检测用于趋势研究合理，用于给个人定罪则危险。

为什么重要

• 对开发者： 检测产品必须展示误差和适用领域。
• 对机构： 应核查数据、引用和复现，而非只查文风。
• 对作者： 明确披露 AI 用在翻译、润色还是内容生成。

参考来源

• Unslop：How we measured AI writing across arXiv