向AI证明“我不是AI”的学术新困局何解 专家建议将AI生成内容纳入学术诚信规制体系

　　本报记者　赵丽

　　本报实习生 宋昕怡

　　毕业季的喧嚣渐息，因“AI率”检测新规引发的争论仍在持续。

　　一面是学生绞尽脑汁“降AI率”，只为“向AI证明自己不是AI”以获得答辩资格，催生了“代降AI率”的隐秘灰色产业；另一面是教师在教学中对AI“介入”的困惑：查还是不查？用还是不用？

　　这一学术监管难题正困扰全球教育系统。当论文写作任务恰好落入AI最擅长的领域，依赖“AI率”检测来评判，是否已偏离了教育的初衷？有高校人士坦言，高等教育正经历“山呼海啸般的改变”，关键在于如何合理使用AI。

　　对此，《法治日报》记者近日采访了首都师范大学教育政策与法律研究院副院长蔡海龙、北京外国语大学法学院教授姚金菊。

　　面临准确率瓶颈

　　记者：在社交平台上，“代降AI率”服务明码标价。不少学生认为当前AIGC率（生成式人工智能参与度）检测处于“博弈期”——既难精准识别AI内容，又易误伤原创。这类检测技术是否尚不成熟？

　　蔡海龙：主流的论文AI检测系统主要使用困惑度和突发性指标来计算AI率，并结合论文的语言模式和风格特征进行整体识别。就当前来看，此类技术还远未成熟，其稳定性和可信性都面临不小的挑战，漏报和误报情况也时有发生，难免误伤真实原创内容。

　　姚金菊：目前AIGC检测技术确实处于典型的“博弈期”。一方面，AI生成内容的“人类化”速度正在加快。新一代大语言模型生成的文本不仅语法规范、结构清晰，而且在风格模仿、用词逻辑等方面不断趋近人类。这直接削弱了传统检测工具赖以判断的“语言指纹”，也使检测系统面临更高的误判风险。

　　另一方面，AIGC检测技术的发展相对滞后。目前市面上的检测工具，无论是商业的还是学术的，都面临准确率的瓶颈。研究和实践表明，这些工具不仅存在大量的“漏报”(未能识别出AI生成内容)，还存在令人担忧的“误报”(将人类原创内容标记为AI生成)。例如，一些行文流畅、结构清晰、语法严谨的人类作品，恰恰因为其“完美”而易被误判为AI生成。

　　记者：这种困境下，若学生陷入“用AI写，再用AI查改”的循环，是否沦为低效的文字游戏？

　　姚金菊：当一些高校将AI检测结果等同于学术诚信评估依据，学生便被迫进入“规避AI率”的游戏——写完后自查，再不断微调语言、变换结构，甚至将其文字改为逻辑不通的语句，只为压低一个概率性指标，不仅浪费时间，更背离了写作的学习初衷。这实质上暴露出当前一些学校对AI的态度还停留在防范和压制阶段，缺乏真正的引导机制。

　　蔡海龙：学校如果过度依赖AI检测工具来评价学生的论文，那么势必会导致学生投入更多的时间和精力来学习如何规避检测。加强对论文的AI率检测，短期内或许可以形成震慑效应，但长此以往，无疑会使论文写作变为一场无休止的“猫鼠游戏”。

　　避免“算法一票否决”

　　记者：AI工具已深度融入写作流程（如润色、逻辑优化），边界模糊。禁止恐推高监管成本，促使隐蔽使用甚至催生灰色服务；鼓励又可能导致AI取代学生思考，削弱能力培养。“查AI率”政策，简单禁止或鼓励是否都不可行？

　　蔡海龙：必须承认开展论文AI率检测确实能够在一定程度上避免学生对于AI写作的过度依赖，从而捍卫必要的学术标准和学术底线。

　　但就现实而言，任何极端的处理方式——简单禁止或全面鼓励都并不可取。取消检测，可能导致学生直接提交AI成果，引发严重学术不端，损害学术公正，并使评价体系失效。过度强化检测，技术上难实现，且加剧“猫鼠游戏”，限制学生接触学习AI技术的机会，造成与社会脱节。这要求相关部门深刻思考培养目标与评价方式，构建适应AI时代的新理念新方法。

　　姚金菊：“查AI率”应进入一个“规则导向、弹性治理”的阶段，既承认AI的合理性，也明确其使用边界。为此，需要从以下三方面完善制度配套：

　　首先，建立国家规范，统一使用边界。通过出台统一规范，对AI工具的使用范围、申报制度、违规行为进行法律明确。可区分具体使用情境，将AI使用划分为“允许使用”(资料搜集、语言润色)、“应申报使用”(生成段落、内容辅助)、“禁止使用”(完全代写、考试中使用)三类情境，并制定清晰可操作的边界判定标准，防止“一刀切”式惩戒；

　　其次，完善高校操作机制。设立AI使用声明制度，要求学生在提交论文时申报使用情况，并保留写作过程记录(草稿、生成对话等)。同时，设立救济程序，对AI检测结果高风险的内容提供人工复核，避免“算法一票否决”；

　　最后，重塑科研评价方式。从注重结果转向重视过程与思维，增加口试、草稿痕迹、思维导图、小组互评等方式，减少“一次性最终文本”作为唯一成果的依赖。此外，还应开设AI素养课程，让学生了解模型逻辑、生成偏差与伦理风险，具备负责任使用AI的能力。

　　立法形成清晰规则

　　记者：目前高校对生成式AI，比如ChatGPT的管理，主要通过黑白名单、场景划分、使用披露、伦理教育和惩戒机制。是否存在全国性统一规范缺失的问题？

　　姚金菊：近两年，我国各高校已经着手制定相关管理规范，但除少数高校给出了AI工具使用指导意见，大多数高校对此仍缺乏系统性、规范化的管理。

　　各高校间规范标准不一，如阈值设定、禁用场景差异大，可能导致跨校学术交流时标准混乱。且目前检测工具也不一致，技术可靠性尚不稳定，易造成误判。另外，由于学科差异性较大，AI应用风险不同，仅凭校级规范统一管理易造成“一刀切”的风险，不利于AI工具的合理使用。

　　目前现有规范多数针对学生的AI工具使用行为，对于教师评审使用行为鲜有提及，相应处罚更是无从谈起。在国家层面应结合国际标准，设置基础红线，明确绝对禁止项(AI代写论文、伪造实验数据)；强制披露要求(模型名称、使用比例、生成内容标注格式)，以及通用处罚标准，而高校层面则应保留学科适配权，允许高校在国家框架下制定细则。

　　蔡海龙：应对AI深度渗透教育，需构建完备的规则体系：

　　明确辅助与代写的法律界定。立法应当形成清晰的规则，明确区分可接受的AI辅助使用与构成学术不端的代写行为，消除实践中的模糊地带。

　　将AI生成内容纳入学术诚信规制体系。现有的学术诚信制度还没有就AI生成内容的问题作出有效回应，迫切需要修订学术规范，强制要求对AI生成内容进行透明标注，并将未声明使用AI的行为明确定性为学术不端，配套建立梯度化追责机制。

　　确立AI参与创作的知识产权归属原则。在现行法律否认AI著作权主体资格的前提下，明确规定人类创作者对AI辅助产出内容的主体权责，同时推动立法建立动态调整机制，适应技术迭代衍生的新型权益关系。