科技部出手!科研人员的 AIGC 使用手册来了,学术界开始防范 AI 枪手

利用ENVI处理TIF文件,把多个tif整合到一个完整的tif,例如2003-2011年的tif整合到一个tif上。 阅读详情

篡改实验数据、实验图片造假、论文不当署名、教材编写抄袭……1 月 16 日下午,华中农业大学的 11 名学生「一纸诉状」,以一份 125 页的举报材料实名举报该校黄姓教授存在学术不端行为。一时间,舆论迅速发酵,「赌上前程捍卫学术清白」、「人人都是学术造假受害者」等相关内容在各大平台引发热烈讨论。

有网友由此联想到了此前的阿尔兹海默症开山论文造假事件,这篇被引用 2300 余次的 Nature 论文误导了全球阿尔茨海默病研究长达 16 年。

心无旁骛求是真,艺不精深未可言。过去的百余年间,学术清正之风、造福人类的崇高信仰,是指引莘莘学子在科研道路上步履不停的明灯,但如今却掺杂了越来越多的名利诱惑,致使学术造假屡禁不止。尤其是在 AI、大模型等技术的快速发展之下,新兴技术却成为了科研作弊的「帮凶」,不仅对坚持研学的科研人员不公,虚假研究数据还可能造成严重后果。

所以,在严查学术造假的同时,规范 AI 等技术在科研中的应用也十分重要。

划清边界,依规合理使用生成式人工智能

学术论文造假由来已久,除了抄袭,编造数据等常规手段,花钱请写手、 「论文工厂」代写、炮制论文等行为也是屡见不鲜。

如今,以 ChatGPT 为代表的生成式人工智能技术 (AIGC) 横空出世,人们写论文提供了新帮手。从选题筛选到文稿润色、从统计分析到图表制作……其功能之强大,几乎覆盖了学术论文写作过程的方方面面,的确可以帮助科研人员快速完成文献检索、数据处理、翻译润色等工作。

但凡事都有双面性,如果研究人员将 AIGC 生成的文本当作自己的创作,很大程度上会产生毫无价值的「学术泡沫」。此外,过度依赖 AIGC 产生不可靠的研究成果,将导致科学研究的可信度大打折扣。

2023 年 12 月 21 日,科技部监督司发布《负责任研究行为规范指引(2023)》(以下简称《指引》),针对社会关注的人工智能、重大成果发布等热点问题,旗帜鲜明地划定了红线。

在这里插入图片描述

《指引》在研究选题与实施部分指出:科研人员研究项目的申报材料应真实、准确、客观。不得使用相同或相似研究内容重复申报,未经同意不得将他人列为研究团队成员。不得抄袭、买卖、代写申报材料,不得使用生成式人工智能直接生成申报材料。

应遵循相关法律法规及学术规范,依规合理使用生成式人工智能处理文字、数据或学术图像,防范伪造、篡改数据等风险。

在这里插入图片描述

在文献引用上,《指引》也明确规定了:使用生成式人工智能生成的内容,特别是涉及事实和观点等关键内容的,应明确标注并说明其生成过程,确保真实准确和尊重他人知识产权。对其他作者已标注为人工智能生成内容的,一般不应作为原始文献引用,确需引用的应加以说明。不得直接使用未经核实的由生成式人工智能生成的参考文献。

《指引》从研究实施、数据管理、成果署名与发表、文献引用等方面明确了合理使用生成式人工智能的边界,对于保护科学研究的可信度和伦理原则具有重要意义,有助于防止不负责任地使用生成式 AI 及相关技术。

国内外知名期刊对 AI 生成论文进行规范

学术论文造假是一个全球性的问题,生成式 AI 的出现在一定程度上降低了造假门槛,ChatGPT 等聊天机器人「一本正经说瞎话且能自圆其说」的能力更是为这些人提供了便利。但随着 AIGC 的使用边界不断清晰,除了明确法规规范外,国内外也有越来越多的学术机构已经达成共识,开始正视并规范 AI 的使用。

国内多家期刊发表声明,对投稿人在论文写作过程中的各种 AI 使用途径加以限制。如《暨南学报》《文献与数据学报》《中国科技期刊研究》《智库理论与实践》《图书情报工作》等期刊均发表声明称,如果论文主要内容是利用 AI 工具生成,一旦发现,以学术不端行为处理。

国外学术期刊也纷纷对 AI 在论文写作中的应用进行规范。据不完全统计,Nature(自然)、Cell(细胞)、The Lancet(柳叶刀)、JAMA(美国医学会杂志)等顶级期刊均发表声明称,人工智能不具有作者资格,使用人工智能的研究人员应在稿件中进行说明。

用 AI 打败 AI ,揪出论文「枪手」

推动 AI 向善发展,需要借助行之有效的技术手段。值得注意的是,在当前的技术水平下,AI 生成的论文在形式上与原创论文相似,传统的文本相似度比对工具可能无法准确检测出它们。因此,国内外都在探索研发专门针对 AIGC 的检测工具。

「AI 生成内容识别器的核心思想是首先构建一个训练数据集,包含真实的内容和 AI 生成的内容,然后训练一个分类器来区别这两类内容。」MILA 研究院知名华人学者唐建在接受媒体采访时解释道。

具体而言,人工智能语言模型通过一次预测和生成一个单词来工作。生成一个词后,水印算法将语言模型的词汇随机分为「绿名单」和「红名单」,然后提示模型选择「绿名单」上的词。一篇文章中列入「绿名单」的词越多,该文本就越有可能是由机器生成的,人类写的文本往往包含更随机的单词组合。

简单来说,AIGC 检测技术是在「用 AI 打败 AI 」,依托海量的文本和数据样本,识别出人类和 AIGC 工具在平均句子长度、词汇多样性和文本长度等方面的不同点,从而揪出 AI 论文「枪手」。

但这背后存在一些技术难点,比如语言模型经过人类创作文本训练,参数量越大,越接近人类创作,越难以区分;另外,检测还受限于文本长度,文本长度足够长,检测的准确率才有保障。

科研中合理使用 AI,不可因噎废食

AI for Science 的成功应用,在一定程度上将科研人员从文本、数据的处理工作中「解救」出来,使其能够更加专注于研究本身,可以在一定程度上提升效率,加快科学研究的进度。此外,在完成一些深度、复杂科研内容的探索上,人工智能也毫不逊色。

比如近年来医学研究领域备受重视的预测模型,让有些科研新人抓耳挠腮。而 AI 可以逐步建立思路和方法,帮助科研人员快速构建一个合格的模型。

再比如,在实验设计与优化方面,只需简单提供实验目的、方法和材料等信息,AI 便可生成详细的实验方案,帮助科研人员对已有的方案进行评估优化,减少实验消耗。

总之,对生成式人工智能不可「谈虎色变」,而要加以规范和引导,让它沿着正确的轨道为科学研究服务。对于科研人员而言,要善用 AI 技术,借助它的优势高效、准确地完成科研和论文的撰写,但所有的观点和数据,必须要经过作者的审查,避免生成式 AI 的一些虚假和杜撰的结论,以维护科学的尊严。

其实这也恰恰是 AI for Science 的初衷,利用 AI 实现对传统科研范式的重塑与创新。如今 AI for Science 已经在生物医药、材料化学、数学、物理等众多领域完成了升级,并且创造了一批具有实际应用价值的重要成果。但是,很多科研人员仍持观望态度,一方面是所在领域可能缺乏低门槛的 AI 工具,另一方面也可能是尚未找到 AI 与其研究领域的结合点。

AI for Science 的探索之旅才刚刚启程,唯有科研与 AI 携手并进,才能创造出更普适的工具与方法。

C#与大数据分析:如何通过上位机进行设备故障诊断与预测 设备故障诊断是通过对设备的运行状态数据进行分析,识别和确认故障的类型和位置。而设备故障预测则是通过对设备的历史数据和运行状态进行分析,预测设备何时可能出现故障,从而进行预防性维护。数据采集:通过各种传感器、PLC、嵌入式设备等采集设备运行数据,如温度、压力、振动、转速、功率等。数据预处理:对采集到的数据进行清洗、去噪、缺失值处理、标准化等操作,以确保数据质量。特征工程:从原始数据中提取出有助于故障诊断和预测的特征,例如统计特征、时域特征、频域特征等。数据分析与建模。 阅读详情

相关推荐

yolov5 部署jetson nano(通用) 保姆级教学

Jetson nano从配置环境到yolov5成功推理检测全过程 文章目录Jetson nano从配置环境到yolov5成功推理检测全过程一、烧录镜像二、配置环境并成功推理1.更新系统和包2、配置环境2.1 配置CUDA2.2 修改Nano板的显存1.打开终端输入:2.修改nvzramconfig.sh文件:3.重启:4.终端输入:3、安装archiconda(也就是jetson nano板上的anaconda)1.下载地址:2.安装:3.测试conda:4.创建运行yolov5的虚拟环境:5.在conda

weixin_44312422的博客 3万+

每周编辑精选|FewJoint 基准数据集上线、科技部监督司发布 AI 新规

hyper.ai 本周官网更新速览: * 优质公共数据集:10 个‍ 1️⃣ FewJoint 小样本基准数据集 2️⃣ Wikipedia 维基百科数据集 … * AI4S 论文案例:3 篇 1️⃣ 帕金森早期诊断准确率提高至 90.2%,深圳先进院联合中山一院提出 GSP-GCNs 模型 2️⃣ 中科院半导体所论文再登 TNNLS 顶刊,贡献探索数学表达式的新视角 … * 热门百科词条:10 条 1️⃣ 表征学习Representation learning 2️⃣ 长短期记忆 Long Shor

HyperAI超神经 886

深入解析PVT corner:从wcl到ml的芯片设计关键考量

本文深入解析了芯片设计中的PVT corner概念,重点探讨了从传统WC到先进工艺下WCL、ML等关键工艺角。文章详细阐述了温度反转效应如何使低温WCL成为最严苛的时序场景,并提供了基于先进工艺的实战签核策略与多角多模分析流程,确保芯片在极端工艺、电压、温度下的稳健性。

tree8的博客 532

动漫影视 AIGC 实验室建设:部署选型、工作流与验收

动漫影视 AIGC 实验室选型时,最容易测的是单个工具能不能出图,最容易漏测的是一堂课能不能跑完:多个小组同时提交视频生成任务,会排多久?生成失败后,能否只补做一个镜头?学生换一台电脑,还能打开原来的剪辑工程吗?这些问题分别对应算力调度、任务管理和素材交付。可以先用一段 30~60 秒的教学短片做试点,跑通分镜、素材生成、配音、剪辑和导出,再根据实际瓶颈决定如何部署。以下是一套可用于试点的设计示例。

manyingAi的博客 328

海思ISP实战:YUV Sharpen参数调试全解析

本文深入解析了在海思ISP平台上进行YUV Sharpen参数调试的实战经验。文章以海思3516EV300芯片为例,详细拆解了EdgeFiltStr、TextureFreq等核心参数的作用与协同策略,并重点阐述了如何通过ISO联动调试,在图像清晰度与噪声抑制之间取得最佳平衡,为图像调试工程师提供了宝贵的避坑指南和实战参考。

grape的博客 214

通讯接口应用笔记3:使用W5500实现Modbus TCP服务器

  前面我们设计实现了W5500的驱动程序,也讲解了驱动的使用方式。在最近一次的项目应用中,正好有一个使用W5500实现TCP通讯的需求,所以我们就使用该驱动程序轻松实现。这一篇中我们就来说一说基于我们W5500通讯驱动程序实现TCP通讯的过程。 1、应用需求   在本次应用中,要求实现一个基于W5500的Modbus TCP服务器。这个需求的描述虽然只有一句话,但是这个需求的内容可不简单。我们首先来分析一下这个需求的具体内容。   为了实现基于W5500的Modbus TCP服务器,我们必先须基于W550

木南创智 5503

知网AIGC检测原理详解:让论文被标红的3个统计特征(附实测数据)

知网AIGC检测不看关键词,而是分析句长方差、连接词密度与信息密度均匀度三大篇章级特征。即使手写,若文本风格工整、节奏均匀,仍可能被标红。同义词替换等表面修改无效,唯有改变生成方式——如理解后重述、模仿真实作者行文习惯——才能有效降低AI率。实测可将维普风险值从64%降至8%。建议初稿即自测,选择真正有效的降AI服务。

柳落青 232

【运筹优化】VRPTW建模实战:Python+Gurobi求解带时间窗的车辆路径规划

本文详细介绍了如何使用Python和Gurobi求解带时间窗的车辆路径问题(VRPTW)。通过将物流调度难题抽象为混合整数规划模型,并逐步讲解建模、编码与求解过程,为读者提供了从理论到实践的完整指南,帮助解决物流配送中的路径优化挑战。

peace的博客 202

爱查宝降 AIGC 效果实测与过检指南

本文基于知网朱雀系统检测机制,剖析学术论文降重核心原理,提出“重构而非替换”的策略。通过多维度改写对比、真实案例解析与学科差异分析,揭示语义保留与逻辑流畅的平衡之道。强调人工复核与批量处理协同,避免过度修改导致语义失真,最终提供可操作的定稿方案,助力作者高效、安全通过查重,实现真正原创表达。

深夜代码酒神 488

微信取证不求人:最新免费DAT解码工具使用指南(含闪退解决方案)

本文提供了一份详细的微信DAT文件免费解码工具使用指南。针对用户常见的图片无法查看问题,手把手教学如何安全获取并操作开源图形化工具,将加密的DAT文件一键还原为JPG/PNG图片。文章重点剖析了DAT文件的加密原理,并给出了详细的步骤解决工具运行中最常见的“程序闪退”等疑难杂症,帮助普通用户轻松完成微信取证。

m0n1o2p的博客 481

面向口齿不清者的语音识别新突破:用大模型拯救“听不懂”的声音

面向构音障碍患者的语音识别新突破:大语言模型显著提升识别准确率 国际语音研究团队在Interspeech 2025发表最新成果,通过将大语言模型(LLM)融入语音识别系统,显著改善了对构音障碍(dysarthria)患者语音的识别效果。研究表明: 传统语音识别(如CTC模型)对构音障碍语音的词错误率(WER)高达50-54%,Whisper模型降至38-40%。 引入LLM解码器后,BART模型将WER降至30-32%,而Whisper-Vicuna组合更将WER降低至21-26%。 关键优势:LLM能有效

帅小柏的博客 274

爱查宝 AIGC 检测效果实测:对标知网维普朱雀

本文深度评测一款AI文本检测工具,从核心引擎机制、多场景实测到与知网、维普等系统的对比,全面分析其在识别纯AI生成、人工改写及混合内容中的表现。结果显示,该工具基于困惑度与爆发度的双维度模型,具备高精度与强适应性,尤其在细粒度报告呈现、可视化解读和长文稳定性方面优势显著。尽管存在对极规范化文本的误判风险,但通过人工复核可有效规避。结论强调:技术应服务于人,助力学术诚信与创作真实,而非取代判断。

深夜代码酒神 300

软考中级网络工程师通关指南:从学习到实战

本文是软考中级网络工程师备考实用指南,先介绍备考前准备,包括考试时间、形式、分值等基本信息,及引导读者评估自身基础以制定学习计划;再推荐官方教材、辅导书籍、在线课程平台和学习社区等优质资源。随后梳理网络协议、设备配置、安全、规划设计等重点知识,剖析企业网络故障排查与园区网络设计典型案例。还分享真题使用、解题技巧、错题本建立等习题解答方法,给出分阶段备考、时间安排与总结反思的备考计划,最后提供考场答题顺序、检查及心态调整策略,助力考生高效备考、顺利通关。

邓邓子的博客 1857

AIGC 应用工程师证书怎么考?报考条件、考试形式、级别说明(2026 版)

AIGC 应用工程师证书是面向人工智能生成技术应用方向的职业技术证书,分初级、中级、高级三个级别。

tipdm0526的博客 178

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

【AIGC实战】Python+SDXL打造“国潮IP”,自动化生成“舞狮椰子冻”硬核商业视觉

今天分享一个完整的AIGC实战项目:利用 Python 配合 Stable Diffusion XL (SDXL) 模型,打造“英歌舞舞狮IP”,并将其完美融入到硬核国潮椰子冻的设计中。AI绘画引擎: Stable Diffusion XL (SDXL),利用其强大的语义理解能力,精准控制“Q版舞狮”与“精致椰子冻”的质感构图。print(f"[生成失败]: {flavor}, 错误代码: {response.status_code}")print(f"[成功保存]: {save_path}")

2601_95871228的博客 210

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

AIGC+CG产品视频怎么做?从产品资产建立到镜头分工

产品功能视频需精准传达结构与功能,不同于品牌叙事片的情绪导向。以思菲其“撑腰侠”为例,项目通过拆解镜头任务:痛点场景用AIGC快速构建氛围,材质细节依托产品参考资产生成微距质感,结构受力关系由CG确保准确,使用场景则结合AIGC与合成保持统一。关键在于先建立标准化产品资产,再按需分配技术手段,实现精度与效率平衡。真正的难点不在画面美观,而在多镜头间的一致性与可审核性。AIGC+CG的核心不是替代,而是基于功能需求的精准分工——让每一分预算都花在必须说清的地方。

FansAI_art的博客 246

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

知网维普 AIGC 检测接连升级:论文 AI 率超标,三周自救时间表(附原理拆解)

2026年10月,维普与知网相继升级AIGC检测系统,旧报告失效,检测重点转向句式节奏、段落结构等文风特征,逐句换词无效。建议按“三周时间表”操作:首周复检定位高风险章节,次周分章重构表达层(锁定术语、数据、公式等不可动内容),末周复检收尾。切勿用学校正式检测试错,优先使用同源工具预检,确保内容完整与格式规范。

柳落青 190

论文降AI实测复盘:维普AIGC检测率从64.16%降到8.00%的全过程

一篇宏观经济学课程论文经实测降AI处理,维普AIGC检测风险值从64.16%降至8.00%,系统判定“未发现明显AI特征”。核心在于重构写作节奏——调整句长方差、连接词密度与信息密度,而非同义词替换。数据、引用与观点保持不变,有效规避检测。提醒:先自检、留报告、通读确认,避免延毕风险。

柳落青 425

爱查宝AIGC检测效果实测:闪电响应与精准度深度解析

本文深入剖析爱查宝学术检测系统在应对学术写作中“高难度改写”与语义抄袭方面的核心能力。通过毫秒级响应、深度语义识别、多学科适配及可视化报告等技术,系统实现对复杂文本的精准检测,有效降低误报率,提升查重可靠性。结合真实案例与场景测试,文章强调其作为智能写作助手的价值,倡导分阶段自查、理性看待结果,助力科研者专注内容创新,保障学术原创性与发表质量。

深夜代码酒神 208

通过 AIGC 生成视频何时才能告别“抽卡”!

如果视频的主体内容已经符合要求,只存在错误字幕或局部画面瑕疵时,重新生成不仅增加成本,还可能改变原本满意的部分。针对这类问题,WAND-EraseVibe+ 提供了视频擦除与画面重建能力。根据腾讯云披露的技术方案,该工具采用基于隐空间 Transformer 的生成式修复架构,先将视频画面编码为隐空间特征,在特征层推断并重建需要修复的区域,再解码为视频画面。白模前置、垂直场景调优和局部修复分别作用于不同环节,目的都是减少为了获得可用内容而付出的重复生成成本。

Enweitech Software Works 166

AI声音复刻的三重法律路径与合规架构:从“原神案”“喜羊羊案”看AIGC企业的前置合规

浦东新区法院的“原神案”中,被告批量复刻63款游戏角色声音制作资源包销售,法院认定经过长期运营的角色声音已成为相关公众识别该游戏的核心听觉标识,属于有一定影响的商业标识组成部分,构成不正当竞争,判赔75万元。第三层,标识与授权分离:AI标识义务不能抵消授权义务,标识只解决“告知受众这是合成声音”的问题,不解决“有没有权利使用这个声音”的问题。核心结论:AI声音复刻的侵权认定正在形成三条并行的法律路径——自然人声音的人格权保护、知名IP角色声音的商业标识保护,以及同步使用角色形象时的著作权保护。

Raymond1688的博客 190

查重和AIGC之外多了AI智评:2026本科论文第三道检测评什么

南京工业大学2026届本科毕业设计新增AI智评,与查重、AIGC检测构成“三检”体系。AI智评从选题意义、逻辑构建、专业能力、学术规范四方面智能评估论文质量,报告仅供导师审阅,不进系统,也不作为成绩依据。三检分工明确:查重与AIGC守底线,AI智评提质量。学生需合理使用有限检测次数,优先修改报告指出问题,复测前确保修改到位。各校政策不同,须以本校通知为准,最终把关仍由导师与学位委员会负责。

Gabriel_Xie的博客 140

AIGC逐渐从内容生成工具演进为内容生产力入口

CNNIC数据显示,截至2025年6月,中国生成式AI用户规模达5.15亿人、较2024年底半年翻番,普及率36.5%。AI内容生产从消费端创作工具,扩展为覆盖知识、办公、商业与专业生产的内容生产力体系,五大场景均有规模化产品与收入验证。

技术日常 344

AI 标签新规解读:创作者合规使用 AIGC,厘清原创边界

我个人的想法是,出台这一套规定,并不是不让大家进行创作,而是让整个行业好好想一想,现在 AI 已经变成很常用的创作工具,创作者自身还有什么样的价值。创作者合理利用 AI 提高工作效率,如实标注 AI 参与的部分,守住原创的底线,才可以让 AI 帮忙进行创作,而不是替代人的创作。拿到 AI 产出的内容之后,创作者需要核对里面的信息,做大幅度修改,加入自己的看法。有一部分创作者,直接把 AI 生成出来的内容发布出去,不会检查里面信息的对错,也不会加入自己的想法,网络上也就多出大量内容差不多的作品。

2601_95507995的博客 75

2026年11月AIGC大赛日历|AITOP100

11 月想投 AIGC 作品,先看手里有什么。已有 AI 短片,可以对照毛茸茸节和原点杯的时长与工具要求。有插画或海报作品,可以关注潘通 × 站酷色彩征集。已有剧本、还没拍成片的团队,可以准备数字武当杯的微短剧赛道。本期收录 7 场赛事,按最近的截稿或赛程节点排序,其中两场征集延续到 12 月。表内状态以本次核验日期为准,时间均为北京时间。

AITOP100的博客 145

电商商品图用哪个 AIGC 算力平台?先守住商品细节,再谈一天能出多少张

给电商团队选 AIGC 算力平台,商品图和概念插画的区别,在于有些地方可以生成,有些地方不能改。背景换成棚拍、户外或节日布景都可以,但包装文字、商品结构和颜色不能跟着模型自由发挥。

a123456534的博客 112
上一篇: Relay TensorRT 集成
下一篇: 中科院半导体所论文再登 TNNLS 顶刊,贡献探索数学表达式的新视角
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值