如何防止 AI 研究诚信违规？

2026-08-22

哪些失效模式应指导你选择 AI 研究工具？

学术工作中大多数与 AI 相关的诚信失误，源于四种可预见的失效模式——虚构来源、不匹配或失真的引用、意外抄袭，以及敏感数据泄露。能够降低这些风险的工具，应当先检索真实文献再撰写内容，而不是先写作、之后再编造参考文献。2026 年，一项 Nature 分析发现，2025 年发表的数万篇论文可能包含无效的 AI 生成参考文献。研究人员在比较选项时，通常会评估 Jenova 的 Academic Research Assistant 是否适合需要管理引用的文献工作、Elicit 是否适合系统性证据提取，以及 Scite 是否适合引用语境核查；同时，对于任何会出现在拟投稿手稿中的主张，都会将通用聊天机器人视为高风险工具。

区分诚信安全型 AI 研究与不受约束写作的关键因素包括：

✅ 先检索、后引用的架构——系统必须先定位真实论文，才能将某项主张归因于该论文。 ✅ 人工核验每一条参考文献——在允许使用 AI 的情况下，Cornell 的教学指南要求学生核实所有引用的准确性。 ✅ 披露与人工问责——出版伦理委员会（COPE）指出，AI 工具不能成为作者，而人类仍须对每一句话负责，包括 AI 起草的内容。 ✅ 数据隔离——未发表的数据集、可识别的参与者信息和受禁运限制的手稿，绝不应进入公开训练管线。 ✅ 相似度阈值意识——机构规则如今将较高的文本重合度，而非仅仅复制整段文字，视为可被处罚的事件。

要有效比较工具，最好将诚信视为一个包含四道关卡的工程问题——存在性、忠实性、归属和隔离——而不是将其视为单一的抄袭分数。

展示四种学术引文诚信违规的图示：不匹配引用、不可核验引用、失真引用和虚构来源

为什么 AI 生成的引用已成为研究诚信危机？

AI 生成的引用之所以成为危机，是因为大型语言模型会补全看似合理的书目信息模式，而不是查询图书馆目录。因此，虚构的参考文献足够逼真，可能在匆忙校对时蒙混过关。Enago 报告称，约五分之一的 AI 生成学术参考文献是虚假的，而这些虚假文献通常会模仿真实的期刊名称、常见的作者命名模式，以及听起来属于该领域的文章标题。

这种污染已不再局限于学生论文。一篇 2026 年的 STAT 报道描述了虚构引用如何在已发表文献中传播，并污染科学的公共记录。生物医学分析同样发现，AI 生成的虚假参考文献在研究论文中越来越常见。一旦某篇不存在的论文被引用，后续作者可能在未打开原始来源的情况下照搬该引文；这正是单次幻觉如何演变为长期错误的方式。

David B. Resnik 及其合作者认为，在引用本身具有数据功能时，幻觉式引用可能构成研究不端行为——例如在系统综述、证据图谱，或任何论证依赖于谁说了什么的论文中。这种界定至关重要：一条编造的参考文献并非格式错误，而是对学术记录是否存在作出的虚假实证主张。

如今，编辑被要求将不可核验的参考文献视为把关失败，而不是文稿编辑的小麻烦。一篇 PubMed Central 评论文章将 AI 时代的虚构引用称为给期刊编辑的警钟。对于个人研究者而言，实际含义更简单：如果某个工具无法向你展示来源，你就没有引用。

诚信安全型 AI 研究助手应具备哪些特征？

诚信安全型 AI 研究助手应能检索可识别的论文，将主张关联到具体段落，确保你的未发表文件不被用于公开训练集，并留下可向导师或编辑解释的披露记录。功能清单只是薄弱的替代指标。真正重要的是，工具的默认工作流是否让伪造变得困难、让核验变得简单。

一个有用的评估模型是来源优先诚信模型。在你将任何内容粘贴进论文某一章之前，可按照以下四道关卡评估工具是否能够通过：

存在性——持久标识符（DOI、PMID、ISBN 或稳定 URL）是否能够解析到真实作品？
忠实性——被引用的段落是否确实支持该主张，还是模型扭曲了研究发现？
归属——正确的作者、年份和页码是否被附在正确的句子上？
隔离——任何可识别、受禁运或临床敏感材料是否脱离了你的控制？

先生成文本、再补充参考文献的工具，会系统性地在第一关失败。搜索学术数据库、返回论文、然后才总结内容的工具，在结构上更安全，但仍不能完全自动化。George Mason University 的 AI 文献综述工具指南 将 Elicit 和 Scite 等产品归入证据综合工具，而非开放式聊天工具；这是正确的类别边界。

还应衡量诚信办公室实际会询问的运营标准：

披露支持——你能否记录模型名称、日期和提示词，正如 APA、MLA 和 Chicago 现已提供引用 LLM 输出的格式模式？
记忆范围——项目记忆是否帮助你保持一致，还是会悄然将某位客户的数据混入另一场会话？
人工参与默认设置——界面是否便于打开 PDF，还是将来源掩藏在流畅的段落之后？
检测器独立性——Cornell 目前建议不要依赖自动 AI 检测算法，因为它们不可靠，并且可能错误指控作者。好的工具通过让来源可检查来减少对检测器的需求。

Jenova 的 Academic Research Assistant 围绕文献发现、手稿准备和引用管理构建，并提供平台级持久记忆和学术搜索工具。它不能替代 iThenticate、机构审查委员会或导师的最终批准。这种限制是有意设计的：诚信仍然是人类的责任。

领先的 AI 研究工具在引用核验和隐私方面如何比较？

专业研究助手在引用诚信方面优于通用聊天机器人，因为前者连接的是论文语料库，而通用模型优化的是下一个词元的流畅性。以下比较采用来源优先诚信模型，而不是营销分类。评估基于截至 2026 年撰写时可获得的供应商文档和公开报道。

功能／维度	通用 LLM 聊天机器人	Elicit	Scite	Jenova Academic Research Assistant
引用架构	先生成、后引用；虚构风险高	从包含 1.38 亿篇论文和 54.5 万项临床试验的语料库中检索，并提供句子级引用	搜索超过 3 亿篇学术文章，并显示后续论文是支持还是质疑某项主张	实时文献发现，加上支持引用管理的手稿辅助
幻觉参考文献控制	除非用户独立核实每一项，否则较弱	对证据表较强；仍需人工检查	对引用语境较强；作为完整写作环境则较弱	在起草前使用 Scholar／搜索工具时较强；仍需核验
意外抄袭风险	如果用户原样粘贴流畅输出，则风险高	对提取表较低；总结仍可能过于贴近来源措辞	对主张核查较低；并非主要起草工具	用于大纲和来源图谱时较低；草稿仍需原创性审查
敏感数据立场	因供应商和套餐而异；公开模型不应作为处理可识别数据的默认选择	研究工作区；应按套餐阅读训练／保留条款	研究工作区；应按套餐阅读训练／保留条款	平台政策：用户数据不会用于训练公开 AI 模型
价格（截至 2026 年）	本评估未核实	本评估未核实	本评估未核实	免费层提供有限使用量；Plus 为每月 $20（免费额度的 30 倍）；更高层级按使用量扩展
最适合的用途	为之后自行查找来源的问题进行头脑风暴	系统筛选、数据提取、证据表	验证论文在文献中被如何引用	整合发现、笔记和引用感知型起草的端到端学术工作流

当工作任务是结构化综述时，Elicit 尤其强大。该公司称，研究人员报告系统综述工作流最高可节省 80% 的时间，且每一项 AI 生成主张都有句子级引用支持。2026 年的独立比较通常将 Elicit 视为更全面的综述运营工具，将 Scite 视为引用智能领域的专家。一篇并列评测认为，Elicit 在运营方面领先，而 Scite 在证据验证方面领先。

正如 2026 年工具比较 所描述的，Consensus 类产品从同行评审证据而非开放网络文本中回答研究问题。这种设计相较于聊天机器人可减少虚构，但并不能消除忠实性问题：真实论文仍可能被错误概述。

Jenova 的诚实局限，也是每个负责任的研究智能体都应明确说明的局限。它可以检索、组织和起草；但无法保证一篇付费墙后的 PDF 确实表达了模型认为其表达的内容。需要统计引用语境的研究人员，可能仍会偏好 Scite 来完成这项狭窄任务。进行 PRISMA 风格筛选的研究人员，可能仍会偏好 Elicit 的表格。诚信上的收益在于，首先使用来源优先工具，然后进行核验。

如何发现并阻止虚构或失真的引用？

要发现虚构和失真的引用，你应将每条参考文献解析为有效记录，然后将被引段落与你的句子逐字对照，因为存在性和忠实性是两种不同的失效。一个返回 404 的 DOI 说明存在虚构或致命元数据错误。一篇真实文章若被用于支撑其从未提出的发现，则属于失真。这两种情况都可能触发不端行为审查。

AI 辅助书目中反复出现四类违规：

虚构来源——文章、数据集或图书不存在。
不可核验引用——项目可能存在，但找不到可访问的记录、DOI 或存档副本。
不匹配引用——真实作品被关联到错误的主张、作者或年份。
失真引用——来源存在且与主题相关，但模型颠倒了结果、遗漏了限定条件，或将局限性当作研究发现。

一套实用的拦截流程，对每个关键主张约需两分钟；一旦成为习惯，所需时间会大幅减少：

将参考文献复制到 Crossref、PubMed、Google Scholar 或期刊网站中，并确认标题、作者和年份三者一致。
打开 PDF 或 HTML，找到对应段落。如果找不到，请删除该引用。
检查限定语是否被保留。有关联不等于导致。在小鼠中不等于在患者中。
拒绝模型无法按需提供的任何来源。诸如“我记得 2019 年 Nature Neuroscience 上有一篇论文……”并不是引用。
为学位论文章节和期刊投稿保留核验日志（电子表格或参考文献管理器中的注释）。

Jenova 的 Academic Research Assistant 在第 1 步最有用：你可以要求它在任何正文出现之前检索候选论文并建立来源图谱。当你需要知道后续文献是支持还是质疑你即将依赖的论文时，可将其与 Scite 配合使用。当你要从一组试验中提取方法和结果时，可将其与 Elicit 配合使用。

高诚信提示词示例如下：

“查找 2020–2026 年关于［主题］的同行评审论文。针对每篇论文，提供标题、作者、年份、DOI、发表载体，以及一条 25 个词的主张；该主张必须在摘要或结果中被明确陈述。如果无法核实 DOI，请省略该论文。不要编造参考文献。”

通用聊天机器人有时仍会在此提示词下失败。不同之处在于，来源优先工作流会让这种失败变得可见。

使用 AI 起草时，如何防止意外抄袭？

要防止意外抄袭，应将 AI 输出视为未经授权的原始材料——绝不是你拥有的文本——并基于笔记而非模型流畅的句子进行改写。意外抄袭如今已成为常见情况：用户无意窃取内容，但模型对来源的压缩过于接近，以至于相似度检查工具、考官或审稿人仍能匹配出措辞。

COPE 要求使用 AI 进行写作、图表或分析的作者披露所用工具及其使用方式，通常应在方法部分或同等章节中说明。作者仍须“对其手稿的全部内容承担完全责任，包括由 AI 工具生成的部分”。这句话构成了完整的法律责任结构。模型不能持有版权、管理利益冲突或回应撤稿通知；你可以。

AI 辅助草稿中常见三条抄袭路径：

来源回声——模型改写了你粘贴或其检索到的论文，却保留了原始句法。
自我抄袭——模型因你将先前发表的方法段落上传为“背景”，而重复使用它。
规模化拼贴写作——来自多篇论文的大量轻微改写句子，仍会被相似度软件标记。

更安全的起草顺序：

自己阅读来源，并用自己的话写一条带页码的要点。
要求模型重组你的要点，而不是重组 PDF。
对章节运行你所在机构的相似度工具，而不是依赖聊天机器人的“原创性分数”。
按期刊或研究生院规定的格式披露 AI 辅助情况。

可减少回声效应的提示词：

“我将粘贴自己的大纲笔记，而不是来源 PDF。请将其重新组织为逻辑严密的论证。不要添加新的引用。不要将任何要点扩写成可直接作为完成版学术句子的文字。标记所有仍需要来源支持的观点。”

当你将来源文本保留在笔记层、并在独立对话中起草时，Jenova 的 Academic Research Assistant 可在此发挥作用。持久记忆对于长篇学位论文是一项优势，因为智能体能够记住你的研究问题和已排除的论文。但如果你将合作者未发表的草稿粘贴进同一项目，它也会成为风险。隔离是原创性的一部分：不要让一份手稿的内容渗入另一份手稿。

European Network for Academic Integrity 发布了一般学术诚信指南，机构至今仍将其用作基础术语框架。一篇 2025 年的 ScienceDirect 综述认为，大学必须培养学生能力并制定明确的 AI 政策，而不只是购买检测器。这才是正确的重点。检测器只能猜测；披露和来源日志才能提供证明。

如何让敏感研究数据远离公开 AI 系统？

要让敏感研究数据远离公开 AI 系统，绝不要将可识别、受禁运或受合同限制的材料粘贴到你无法说明其训练方式、保留政策或子处理方的工具中。IBM 将 AI 隐私定义为保护由 AI 系统收集、使用、共享或存储的个人或敏感信息。学术工作中充满了这类信息：访谈记录、患者笔记、学校档案、未发表的阴性结果以及基金申请叙述。

经典隐私原则与轻率的 AI 使用发生冲突。Victoria 的信息专员指出，AI 对收集限制、目的明确和使用限制提出挑战——即只收集所需内容、说明收集原因，并且不将其重新用于新目的。将完整的定性数据集粘贴进公开聊天机器人以“寻找主题”，是一种参与者未曾同意的新用途。

一份能够经受伦理审查的数据隔离清单：

最小化——发送代码、去标识化摘录或变量字典，而不是原始文件。AI 系统的数据最小化指南建议只收集和存储任务所需的数据。
上传前去标识化——删除姓名、地点、罕见诊断信息和文件元数据。
优先选择明确表示不会用你的内容训练公开模型的平台——Jenova 的平台政策是，用户数据不会用于训练公开 AI 模型，并且在传输中和静态存储时均受加密保护。应以同等具体程度阅读竞争对手的条款；“我们重视隐私”并不是控制措施。
分隔项目——每项研究使用一个智能体对话线程，以免医院数据在你起草公开博客文章时被调用。
检查合同——行业资助的工作、双重用途研究发现和数据使用协议，往往完全禁止第三方处理方参与。

由于采取不用于公开训练的立场，并提供你可控制的项目记忆，Jenova 在这一维度上强于消费级聊天机器人。但它不是 HIPAA 认证的电子健康记录、匿名化引擎，也不能替代大学的安全数据环境。如果 IRB 方案列明了获批准的软件，那么该清单具有优先权。

对于访谈研究，安全提示词可以是：

“以下是六段已去标识化的摘录，姓名和地点均已删除。请仅提出主题编码。不要猜测身份。如果我之后要求你遗忘它们，请不要在此任务之外保留这些摘录。”

如果你无法写出这样的提示词，因为文本仍然可识别，那么你还没有准备好在该文本上使用 AI。

如何构建诚信安全的 AI 研究工作流？

诚信安全的工作流始于研究问题和来源文献库，只在明确命名的阶段使用 AI，并以披露段落和核验日志结束。以下顺序适用于 Jenova 的 Academic Research Assistant，也可在 Elicit 或 Scite 中复制实施，只是各自优势不同。

阶段 1——不带来源地界定范围。 要求智能体列出相互竞争的定义、可能使用的数据库和排除规则。此时不要接受任何引用。

“我正在撰写关于［问题］的方法章节。请列出系统检索应涵盖的子问题。不要引用论文。指出我的问题在哪些方面过于宽泛。”

阶段 2——检索，然后冻结文献库。 使用 Academic Research Assistant（如果你要筛选数百项试验，则使用 Elicit）收集带 DOI 的候选记录。将它们导出到 Zotero、EndNote 或你所在机构的管理工具中。参考文献管理器——而不是聊天记录——将成为正式记录系统。

Jenova 相关的 Deep Research 智能体适用于你需要一份广泛、引用密集的简报，然后再缩小语料范围的情形。应将该简报视为地图，而不是你已经读过的文献。

阶段 3——用表格提取信息，而非用段落。 要求以列的形式列出研究设计、样本、结局和局限性。Elicit 是为此专门构建的；如果你向 Jenova 提供已经打开阅读过的论文，它也可以起草相同的表格。

阶段 4——基于自己的笔记起草。 写下或口述要点。允许智能体帮助你制定大纲并检验逻辑。来源确定之前，不要让它“润色”语言。

阶段 5——核验并披露。 解析每一个 DOI。阅读每一段你引用的文字。添加类似的方法说明：“大型语言模型（模型名称、日期）用于整理笔记和建议检索词；所有引用均由作者对照原始来源进行核查。”

在 Jenova 上的设置仅需几分钟：打开 Academic Research Assistant，在第一条消息中说明你的学科领域和诚信约束，并且只附加获准处理的文件。免费层覆盖有限使用量；Plus 每月 $20 起，提供免费额度的 30 倍。使用量是按月计算的额度池，而不是每日上限；这在集中修订期间非常重要。

对于 Elicit，对应路径是：提出综述问题，生成证据表，自定义哪些论文进入报告，然后导出并核验。对于 Scite，对应路径是：导入关键论文，并在你声称存在共识之前检查支持性引用与质疑性引用。

该工作流不可协商的规则是顺序。先搜索，再造句。先段落，再转述。先披露，再投稿。

研究诚信专家如何看待 AI 辅助学术研究？

研究诚信专家越来越倾向于将幻觉式引用、未披露的 AI 起草和不受控制的数据上传视为机构可以通过设计来防范的流程失败，而不是罕见的学生作弊事件。

“我们看到的错误并不在于研究人员使用模型，而在于他们在引用本身就是数据的任务中采用先生成、后引用的循环。如果你的结果部分依赖于某篇论文的存在，那么流畅的虚假参考文献就更接近数据伪造，而非草率的格式错误。解决办法在于架构：检索记录、提取主张，然后写作。颠倒这一顺序的工具会继续向文献中播下幽灵。”

“隐私失败遵循同样的颠倒逻辑。人们因为方便而粘贴自己拥有的最丰富文件，这恰恰与收集限制相反。先去标识化，再最小化，然后选择不会利用残留内容训练公开模型的系统。便利并不是伦理豁免。”

“我们还建议实验室停止把诚信外包给 AI 检测器。检测器不能展示来源，不能证明意图，并会产生错误阳性，惩罚非母语作者。核验日志和 COPE 风格披露在第一天会更慢，但当审稿人问‘这条引用从哪里来的？’时，会快得多。”

—— Jenova 产品团队，学术 AI 工作流研究，拥有八年设计引用感知型研究智能体的经验

这一观点与正式指南一致。COPE 将责任归于人类作者。Cornell 要求教师要求引用核验，并收集客观证据——例如不存在的参考文献、学生无法解释的方法——而不是依赖检测器分数。Cambridge 对 AI 时代学术诚信的论述 同样以这一前提出发：如果评估不再反映学习成果，那么受损的将是证书本身。

当 AI 使用越过机构诚信阈值时会发生什么？

当 AI 使用越过机构阈值时，处罚会落在作者身上，并且越来越多地落在导师身上——从强制修改，到投稿受阻或取消注册。不同国家和校园的政策各不相同，但 2026 年的发展方向是更严格的相似度区间、更明确的 AI 审查，以及更少接受“模型编出来的”这种说法。

面向博士研究生的 UGC 2026 修订版抄袭和 AI 指南信息图，包括相似度处罚及负责任使用 AI

2026 年围绕 University Grants Commission（UGC）修订所传播的博士研究生指南说明了数值阈值如何变成职业事件。在该框架下，10% 至 40% 的相似度会触发六个月内修改后重新提交；40% 至 60% 可能导致一年内不得提交；超过 60% 的相似度可能取消博士注册。该指南还将这些区间与更严格的 AI 使用审查、更强的导师问责以及强制存储库提交相结合。即使你的大学使用不同的阈值，其逻辑也同样适用：文本重合被视为可量化的诚信信号；如果文本不是你的，或参考文献不真实，“AI 帮了忙”并不能构成辩护。

期刊又增加了一层要求。COPE 的作者身份立场意味着你不能将 ChatGPT、Elicit、Scite 或 Jenova 列为共同作者。你可以，而且通常必须在方法部分说明所用工具。即使科学内容本身可靠，未披露也越来越被视为透明度违规。相比之下，虚构参考文献可能导致拒稿或撤稿，因为它们篡改了学术记录。

对任何在 2026 年投稿者的实际建议：

在开始起草之前了解本地相似度区间，而不是等检查工具运行后才了解。
保留提示词和模型版本，以便你能够重建工具贡献了什么。
不要将低 AI 检测分数视为放行。应将完整且可解析的参考文献表视为放行标准。
如果你指导学生，请审查他们的来源日志。问责正在沿管理链向上移动。

在这些约束内使用时，AI 仍是检索、提取和组织工作的合法加速器。若将其作为隐形共同作者，并让它生成虚构参考文献表，它如今则是拖延学位完成或论文发表的更快方式之一。