一篇论文有几十条参考文献，导师和审稿人能否逐项核查？随着AI参与检索、写作和分析，如何借助技术发现风险，又把判断建立在证据之上？

9月20日，在华南理工大学召开的2026学术文化节暨第十七届创新发展论坛上，广东省艾思信息化学术交流研究院理事长刘国兴围绕AI在学术诚信检测中的应用提出：技术提高科研效率的同时，诚信治理也必须同步进入科研工作流。

刘国兴作报告。主办方供图

“AI应当增强人类的判断，而不是替代人类做判断。”在题为《AI在学术诚信检测中的应用——AiScholar艾思科蓝AI学术诚信检测平台》的报告中，刘国兴强调，检测的价值不仅在于发现疑点，更在于提供能够解释、复核和追溯的依据，让专业判断有证据可循。

人机协同，更要守住科研可信度

“随着AI深入文献检索、数据分析和论文写作等科研环节，科研诚信治理需要从单点判断转向覆盖成果发表前后的全周期治理。”刘国兴从自身对科研工具变化的观察谈起。

他介绍，团队曾开发辅助论文写作的工具；随着相关工具不断涌现，团队将工作重点转向科研诚信防护。在他看来，AI持续深入科研，人们阅读、撰写和评审论文的方式都将发生变化，人机协同会成为重要方向。

这种变化把一个问题推到研究者面前：当AI参与的环节越来越多，如何判断一项研究是否真实可信？刘国兴认为，当下需要关注的已不只是是否使用AI，而是在效率快速提升的同时，如何确保科研可信度。学术诚信也不只涉及某一篇论文，还关系到科研协作体系的运行。

他将这一变化放在科研数字化、人工智能介入和全球协作常态化的背景下讨论：科研活动进入全流程数字化，AI带来准确性、透明度与责任边界的新问题；跨国、跨学科协作形成庞大网络，一个环节的数据受到污染，可能向其他论文扩散。

他在报告中援引科研人员使用AI的调研，指出效率提升与使用障碍同时存在：研究者已经将AI用于日常工作，但准确性不足和AI幻觉仍是顾虑。他也将问题抛给在场学生，提到做作业、做课题时使用AI的情形，强调诚信治理的技术手段必须跟上这种变化。

在刘国兴看来，风险的规模化、网络化和隐蔽化，使传统检测面临新的压力。作者、文本、图片和引文中的线索往往相互交叉，单独看一处问题，难以识别完整风险。因此，检测需要从单点判断走向全周期治理，学术诚信平台既要发现问题，也要为治理问题提供支持。

他特别划定技术边界：检测应当增强人的判断能力，每一次检测都应经得起解释、复核与追溯。对于研究者，是把风险检查前移到投稿之前；对于编辑和审稿人，则是通过初筛和证据提示，把更多精力用于学术价值的研判。

从逐条核验引文到发表后持续追踪

论文中的参考文献，是刘国兴现场举出的一个具体例子。他说，一篇论文可能有几十项引用，交给导师或审稿人后，仅靠人工逐项核查并不容易。参考文献风险检测可以辅助识别AI幻觉产生的虚假引文，核验引文元数据，并提示已经撤稿的引文，帮助人工处理这类繁琐的核验工作。

这一例子对应平台介绍的四类识别对象：作者、正文文本、图片和参考文献。作者核验关注身份有效性、合作关系与异常署名；正文检查包括AI提示词残留、学术文本规范、AIGC文本检测以及文本相似性；图片检测关注图间、图内重复及篡改线索。不同对象的检查相互补充，使疑点能够被进一步定位。

疑点发现后如何处理，是他讨论的另一个重点。刘国兴介绍，在成果发表前，平台通过相关数据库比对和送审前复核，将疑点提示给同行评议专家，提供核查线索，支持有据可查的人机协同审稿；在成果发表后，则以治理和溯源为主，跟踪成果状态变化，为科研管理部门开展诚信研判提供依据。

这意味着，论文见刊并非诚信检测的终点。按照他的介绍，当单位已发表成果出现相关异动时，平台可推送预警、生成溯源证据链，辅助后续研判；撤稿、勘误等出版状态变化，也应进入持续监测范围。

为了把检测放进日常工作，刘国兴介绍了不同使用场景：研究者可以选择检测项目、上传文稿并获取可视化报告，开展投稿前自查；会议主办方可通过系统组件随投稿触发检测；出版社和期刊可将检测接入稿件采编系统，辅助初审；高校图书馆则可通过校内接入，为师生自查和课题组复核提供支持。

据介绍，相关诚信检测功能已嵌入学术会议系统，每年检测超过10万篇稿件，服务800多场国际学术会议。平台个人服务还包括文本相似性自查、AIGC文本检测和参考文献风险自查。这些应用数据来自报告所引平台后台统计。

论坛现场，刘国兴宣布发起学术诚信护航行动“清源计划”，拟面向全国高校图书馆、科研院所和学术期刊编辑部公益开放参考文献风险检测能力。首期计划联合100家学术诚信标杆共建单位，为每家单位提供公益检测额度，总计支持30万篇次参考文献检测。

“我希望更多高校和科研机构参与合作，共建开放、可信、可持续的学术诚信平台。”刘国兴如是说。