近期，国内多所高校陆续出台规定，要求研究生在借助人工智能开展科研、撰写学位论文时披露 AI 使用情况，部分院校更进一步要求留存提示词与生成记录。
这种收紧并非孤立发生，一项覆盖美国 22.6 万余名理工科博士毕业生的研究显示，2026 年前5个月提交的博士论文中，近三成摘要被检出 AI 生成文本。三年前，这一比例仅为 1.7%。
与此同时，OpenAI 披露的另一案例，直观呈现了 AI 介入科研的速度：数千个 AI 智能体协同工作，仅用 32 分钟便完成对数百万个小鼠脑细胞数据的分析，识别出与阿尔茨海默病、帕金森病等神经退行性疾病相关的潜在线索；同类工作若由人类研究者承担，可能需要数月乃至一年。AI 参与科学探索的能力快速显现，传统科研训练与人才培养模式随之面临新的审视。
三年检出率从 1.7% 升至 29.4%
研究团队以 2019 年至 2026 年 5 月美国高校 226,591 名 STEM（科学、技术、工程与数学）博士毕业生的论文摘要为分析对象，采用 AI 文本检测工具 Pangram 判定，并抽取 340 篇论文全文加以验证。
时间线上，2022 年以前，博士论文摘要中几乎无法检出 AI 生成文本；2023 年检出比例为 1.7%，2024 年升至 5.5%，2025 年达 18.8%，2026 年前五个月进一步升至 29.4%。三年间，AI 文本检出率增长逾十六倍。
学科分布呈现显著的结构性差异。2026 年，数学与计算机科学领域检出率为 36%，工程学 35%，生命科学 26%，物理科学 22%；细分学科中，计算机科学达 48%，土木工程高达 51%。这一分布提示，AI 写作工具在形式化程度高、文本生成任务密集的学科中渗透更快。
检出率的分化：教育背景、院校层次与学科排名
检出率的差异并非均匀分布，而与博士生的教育背景、所在院校的研究强度及学科排名形成系统性关联。
教育背景方面，2026 年非英语国家教育背景博士生的 AI 文本检出率为 41%，明显高于英语国家背景者的 23%。按此前接受教育的国别划分，伊朗背景博士生为 51%，韩国 49%，中国 44%，印度 43%（以上数据均限于美国高校博士毕业生，并不反映各国本土状况）。
研究者指出，这一差距可能与英语学术写作难度有关 ——AI 在改善语言表达、降低非母语研究者写作门槛方面具有直接效用。
院校层次同样与检出率相关。研究活动水平最高的 R1 类大学，博士论文 AI 文本检出率为 28%；R2 类大学为 31%；其他博士培养机构则达 37%。2025—2026 年毕业生中，学科排名前十的博士项目检出率约为 15%，排名 90 至 100 位的项目则升至 26%。换言之，研究强度较低、排名相对靠后的项目，AI 文本比例反而更高。
博士培养的核心：不可替代的科研判断力
当 AI 在文献检索、数据分析乃至部分推理环节的参与日益加深，博士培养面对的根本问题逐渐清晰：科研写作不仅是成果的呈现方式，更是发现逻辑漏洞、检验研究方法、深化专业理解的关键训练过程。将这些环节过度让渡给 AI，可能在短期提升效率的同时，侵蚀研究者长期积累专业判断力的机会。
在此背景下，提出有价值的科学问题、评估研究结果的可靠性、设计与验证实验，成为更稀缺且不可替代的能力。
博士培养的旨归，从来不止于产出一篇合格的学位论文，而在于塑造能够独立发现问题、审慎探索未知的研究者。AI 可以加速科研进程，但决定科学探索边界与深度的，仍是研究者自身的独立思考与判断。
上一篇
