首页当下，围绕学术领域的AIGC使用，存在颇为矛盾的现象：一边是各大高校与科研机构纷纷将“AIGC检测率”纳入论文审核流程，将机械生成的检测数据，作为判定论文合规与否、界定学术诚信的硬性指标，另一边是各类“降AI过检”服务公然售卖，从咨询、改稿到包过检测的灰色产业链已然成熟。令人担忧的是，这一由技术催生、由规则放大的现象，不仅难以守护学术诚信，还会悄悄侵蚀初入学术领域的青年学子对知识的敬畏之心。
依靠AIGC检测，是本末倒置的形式主义治理
学术反腐的本质，是杜绝“无思考、无原创、无实证”的空心化造假，守护求真务实的科研底线。在人工智能日益普及的今天，AIGC产品早已成为科研工作不可或缺的辅助工具。无论是文献的搜集整理、研究框架的搭建，还是语言的润色校对，AI工具都能有效降低学术入门的门槛，减少重复性劳动，这是技术发展赋予科研领域的时代红利。
然而，当下盛行的AIGC检测却混淆了AI合规辅助与AI代写造假的区别。虽然几乎所有高校都强调AI检测结果仅作为参考，不作为唯一评判依据，但在实际执行过程中，AI率已经成为事实上的硬门槛。许多高校已将AI检测与传统论文查重并列，作为论文提交的前置环节：只要AI率超过学校设定的阈值，系统会自动拦截论文，无法进入盲审和答辩流程。学生必须修改至达标才能继续，这在事实上形成了“不达标就不能毕业”的刚性约束。
关于生成式AI在高等教育中的使用，学界和舆论界的讨论一直呈现两极分化的态势：一方担忧滥用AI会催生规模化的学术不端，另一方则认为其负面影响被过度渲染。双方争论不休，却始终缺乏覆盖多所高校、多个学科的大规模实证数据作为支撑。
问题是，目前主流AI检测工具存在无法忽视的技术缺陷。2026年5月，Science周刊发表的一项高等教育AI使用专项研究显示：基于文本的检测方法并不完善，当AI生成的文本被大幅编辑后，检测工具几乎无法识别，这本质上是一场永无止境的猫鼠游戏，而非解决方案。
对于这一点，只要将AIGC检测与我们早已熟悉的学术查重进行对比，就清晰可辨。传统查重与AIGC检测完全不同，但“AI查重”会经常混淆二者的区别。传统查重本质上是事实判断，它会明确告诉你“这句话与哪篇文献的内容重复了”，有明确的比对来源，是可验证、可复现的，但AI检测的运行逻辑往往是一个算法“黑匣子”，缺乏权威的行业标准和参照。通常，它只会给你一个冰冷的数字结果——AI疑似率，不会告诉你为什么它认为“那句话是AI写的”。
这个AI疑似率，其实是依托文本表层特征得到的，比如通过句式规整度、词汇平滑度、语序规律等浅层算法统计，而不是我们真正想鉴别的论文学术内核和科研真伪。因此，其既无法判断研究逻辑是否自洽、创新亮点是否成立，也无法验证实验数据的真实性和核心观点的原创性。由此催生出各种荒诞结果：越是逻辑严谨、表述规范、贴合学术范式的原创成果，越容易被误判为AI生成，而一些语句混乱、表达粗糙、漏洞百出的随性文本，反而更容易被判定为人工写成。
别让降AI产业链沦为学术不端的帮凶
不合理的规则必然催生畸形市场。当合理使用AI的学生也面临被误判、被处罚的风险时，降AI产业便有了生存土壤。
市面上绝大多数付费AI降重和“洗稿”服务，其出发点就不合情理，因为它们是以逃避机器检测为唯一目的。这类服务与正常的论文润色也有着本质区别：润色是为了提升文章的语言质量和表达清晰度，是对真实表达内容的提升；而降AI服务则是为了掩盖AI生成虚假内容的痕迹、规避学术监管。
更令人担忧的是，当前降AI技术已经完成迭代升级：从早期简单的文字改动，进化到基于大模型的“语义理解重写”，能够精准识别并绕过主流工具的检测逻辑。这种技术“进步”，不仅没有服务于学术发展，反而可能成为学术造假的“保护伞”，让真正的代写造假者更容易蒙混过关。
相较于论文质量下滑、灰色产业泛滥的表层问题，更值得警惕的是，这套体系正在潜移默化地扭曲着新生代学子的学术观，可能造成难以逆转的认知偏差。
本科、研究生阶段，是学生塑造学术认知、养成良好科研习惯、筑牢诚信底线的黄金时期。初入学术殿堂的青年学子，本应在系统的训练中建立“学术诚信源于独立思考、原创实证、求真务实”的核心认知。但在机械的AI筛查与降AI产业的双重裹挟下，他们被动接受了一套完全扭曲的规则：学术合规不是原创思考换来的，而是规避检测的投机技巧换来的。
当一个学生看到，自己熬夜打磨的原创论文，会因文本过于规整被误判为AI超标，而付费“洗稿”、刻意破坏语言逻辑的文稿，却能轻松通过检测，久而久之，他们心中对学术的敬畏感、对科研的真诚度就会逐步消解，甚至产生“踏实钻研不如花钱走捷径”“认真原创不如投机应付”等错误认知。这是远比单次学术造假更深远的伤害，因为它摧毁的不是一两篇论文，而是科研新人朴素与纯粹的治学初心。
回归本质：从检测结果到评估过程
要破解这种学术怪圈，不能寄希望于更先进的检测技术，也不能一味指责学生，而应从根源上改革评估体系。
首先，应选择性使用受控环境评估。比如，对于需要验证学生独立能力的核心学习目标，可以采用课堂测试、口头答辩、实践操作等方式，在可控环境中直接观察学生的表现。
其次，要明确不同任务的AI使用边界。摒弃“禁止”和“允许”的二元框架，针对具体课程和作业制定清晰的AI使用指南，明确哪些环节可以使用AI、哪些环节必须独立完成。
例如，可以允许学生使用AI进行头脑风暴和语言润色，但具体论证和数据分析必须独立完成，并要求其提供与AI互动的整个对话过程框架。这是将关注重点从考察最终结果转向学习和研究过程，包括草稿、修改记录、思考笔记等，并通过答辩、小组讨论等方式验证学生对内容的理解程度。当评估的重点从“论文写得怎么样”变成“你是怎么思考的”“思考了什么”等问题，AI自然而然会回归赋能的本职，降AI产业也将失去生存土壤。
学术需要文字来表达，但不是文字的简单堆砌，而是思想的碰撞与探索。在AI时代，我们需要守护人类独立思考的能力和求真务实的学术精神。摒弃形式主义的AI筛查，重塑科学的学术评价体系，才能守护好学术诚信，为青年学子营造风清气正的科研环境，让他们在探索知识的道路上走得更稳、更远。
（作者系复旦大学生命科学学院教授）