关键词：ArXiv、AI代写、论文封禁、学术诚信、幻觉引用、LLM、大语言模型

一件小事，引爆学术圈

2026年5月15日深夜，一条来自 Thomas Dietterich 的帖子在 X（原 Twitter）上悄然发出，随即在学术圈激起了轩然大波。

Dietterich 是全球最大学术预印本平台 ArXiv 计算机科学部门的主席，同时也是俄勒冈州立大学的荣休教授。他在帖子里措辞严厉地写道：

"如果一篇投稿中存在无可辩驳的证据，证明作者没有核查大型语言模型（LLM）生成内容的准确性，这意味着我们无法相信这篇论文里的任何内容。"

随之而来的，是一条清晰的惩罚规则：一旦被认定，立即封禁账号一年，解禁后的首次投稿还必须先在正规同行评审期刊或会议上发表，才能重新回到 ArXiv。

一击出局，没有第二次机会。

ArXiv 是什么？为什么这件事很重要？

对于不熟悉科研生态的读者来说，先简单解释一下背景。

ArXiv（读作 "archive"）是由康奈尔大学运营的免费预印本服务器，主要覆盖计算机科学、数学、物理、统计、经济学等领域。研究者通常在论文被期刊正式接收之前，就将草稿上传至此，以便快速与同行分享最新成果。

这意味着 ArXiv 上的论文往往走在同行评审之前，是整个学术社区感知前沿趋势的"雷达屏"。每年发布数万篇预印本，影响着无数后续研究的方向。

也正因为没有严格的事先审查机制，ArXiv 近年来成了 AI 生成论文的"重灾区"——大量粗制滥造的内容涌入，严重干扰了正常的学术交流秩序。这次的封禁政策，正是对这种乱象的正面回击。

什么算"无可辩驳的证据"？

很多人看到这条规定的第一反应是：我用 AI 润色了一下语言，会不会也被封？

答案是：不会。Dietterich 明确表示，使用 LLM 辅助写作本身并不被禁止，关键在于作者是否对最终内容承担了完整责任。

那么什么才算是"无可辩驳"的证据？他列举了几个典型场景：

  • 幻觉引用（Hallucinated References）：论文参考文献里出现根本不存在的论文，标题看起来真实，期刊名也像真的，但查无此文；
  • AI 元评论残留：提交的稿件里留有 AI 的"对话痕迹"，比如"这是一段 200 字的摘要，您是否需要我做出调整？"或"此表格中的数据为示例，请替换为您实验的真实数字"。

这类错误的出现，只说明一件事：作者压根儿没有认真阅读和核查 AI 的输出。对于一个声称自己做了这项研究的学者来说，这是无法辩解的失职。

值得一提的是，该政策并非无人把关的"自动触发"机制。Dietterich 强调，判定流程需要先由版主记录问题，再经过部门主席确认，且判决结果允许申诉。这说明 ArXiv 并非要搞"文字狱"，而是在做有据可查的精准打击。

幻觉引用：正以12倍速蔓延的学术污染

ArXiv 的严厉态度，有其现实依据。

2026年5月，《柳叶刀》（The Lancet）发表了一项迄今规模最大的生物医学文献审计研究。哥伦比亚大学数据科学研究所的 Maxim Topaz 团队，分析了近250万篇论文中的9700万条引用记录，结果触目惊心：

  • 2023年：每2828篇论文中约有1篇含有虚假引用；
  • 2025年：这一比例攀升至每458篇中就有1篇；
  • 2026年初：进一步恶化至每277篇就有1篇。

短短两年间，虚假引用率增长了12倍以上。研究者认为，这一急剧攀升的拐点，正好与大型语言模型被广泛应用于学术写作的时间节点高度吻合。

这不是小问题。系统综述、临床指南、政策制定……整个科学知识体系的运转，都建立在引用的可信度之上。当参考文献本身变得不可靠，这座知识大厦的地基就开始松动。

Topaz 说了一句让人警醒的话："即便未来 LLM 不再产生幻觉，那些已经被引用进文献的错误也不会自动消失。损害已经造成。"

连 AI 公司自己也没能幸免

如果你觉得这些错误只会发生在粗心的学生或者灌水研究者身上，那请看一个更具戏剧性的案例。

2025年5月，Anthropic（Claude 的开发商）在与美国几大音乐版权方（环球音乐、Concord 等）的版权诉讼中，公司数据科学家 Olivia Chen 提交的专家证词，引用了一篇来自《美国统计学家》（The American Statistician）期刊的论文——而这篇论文的作者名和标题，都是 Claude 凭空捏造的。

Anthropic 的律师事后承认，他们要求 Claude 为一篇真实存在的文章生成格式化引用，结果 Claude 提供了错误的作者和标题，而人工核查竟然也没有发现这个错误。

"这是一个令人尴尬的无心之失。" Anthropic 律师 Ivana Dukanovic 在法庭文件中如此表述，并正式致歉。

这个案例的讽刺意味不可谓不深：全球领先的 AI 安全研究机构，在自家产品的帮助下，向法庭提交了含有幻觉内容的文件。如果连这样的公司都会栽跟头，普通科研人员又凭什么高枕无忧？

这场争论的深层矛盾

ArXiv 的政策获得了许多研究者的支持，但也引发了一些合理的担忧：

联署作者问题：如果某篇论文的第一作者使用了 AI 代写，其他联署作者是否会被连坐？Dietterich 目前尚未给出完整解答。

选择性执法的风险：有研究者指出，来自知名机构或拥有较高学术声誉的作者，是否会在执法力度上享有"隐形豁免"？这一担忧并非空穴来风。

误判的边界：并非所有引用错误都源自 AI 幻觉，人工疏忽同样可能导致类似问题。如何准确区分，对版主是一项不小的挑战。

这些质疑并不意味着政策本身是错的，而是提醒我们：制度建设从来不是一蹴而就的，它需要在执行中不断校准。

一个值得所有研究者认真对待的警示

从更宏观的视角来看，ArXiv 此举是整个学术界在 AI 时代重新定义"责任边界"的一次尝试。

工具可以越来越强大，但学术研究的核心价值——原创性、可验证性、责任归属——不能因为工具的便利而被架空。当你把一篇论文的署名权签下去的那一刻，就意味着你对其中每一条引用、每一个结论负有不可转移的责任。

这不是什么高调的道德宣言，而是科学体系得以自我纠错、持续运转的基础逻辑。

用 AI 辅助写作，没有问题；让 AI 替你思考和负责，那就是另一回事了。

实用建议：如何在 ArXiv 投稿中用好 AI

针对有投稿需求的研究者，以下几点可供参考：

  1. 逐条核验参考文献：每一条引用都要确认论文标题、作者、期刊和年份与原文一致，不要仅凭 DOI 或链接来判断；
  2. 人工检查 AI 生成段落：使用 AI 辅助撰写后，务必逐段重读，确认内容与实验数据、原始资料相符；
  3. 清理 AI 元注释：提交前检查文档中是否残留任何 AI 的对话痕迹或占位符文字；
  4. 使用学术专用工具：相比通用 LLM，ResearchRabbit、Connected Papers 等专门的学术工具在引用核查方面更为可靠；
  5. 保留核查记录：万一遭遇申诉，有文字记录的核查过程将是有力的自证材料。

本文信息来源包括：ArXiv 官方公告（Thomas Dietterich，2026年5月15日）、TechCrunch、404 Media、The Lancet（Topaz et al., 2026）、Fortune、TechCrunch（Anthropic 律师事件，2025年5月）。