北大论文：期刊AI政策全面失效，99.9%的人只用不说！
AI是一辆时代快车，一旦踏上，你就不会再想回头！
——————————————
各位老师，您在写论文时，用AI辅助了吗？
如果AI辅助、哪怕仅仅是语言的翻译或润色，
是不是担心使用AI会被查出来？
王珏老师的观点是：
1、本质上，科研论文是否能发表，根本不用考虑AI的问题。
因为，AI撰写的论文远远达不到发表标准，AI目前（也许很长一段时间）都不可能达到独立发表论文的水平——虽然它对科研人员很有帮助！
相比之下，本科生、硕士生的论文，才是真正应该查AI率的。因为，AI写出来的东西，比本科生强得多，很可能也比硕士生要强！
——除非，很多论文本身是“水论文”，而且还是能够发表出来的那种……那查AI率当然是有必要的，水平可以水，但必须得是人写的不是？
2、科研论文的核心评价标准，必然是、也只能是“论文质量”——而不是什么AI率。
有价值的论文，即便是人和AI共创的，都值得被发表出来。因为这代表着人类知识的进步！
而且，如果一个人和AI共创能够发现新知识，其实其他人也可以用AI，为什么却没有做到呢？——这说明，人机共创本身就是一种价值！
当然，如果AI在科研中发挥了重要作用，那么，“披露”的义务是应该做到的。也许，以后还得给AI署名也说不定……
不过，现在是处于时代的转型期，人们的观点还很难转过弯来，所以会出现各种纠结。大多数当下的纠结之处，在10年、20年以后回看起来，很多都是笑话！
比如，1865年当汽车刚刚发明出来、上路行驶时，英国通过了“机动车红旗法案”，其中规定：
在公路上行驶的“自动机动车”，必须由至少3人驾驶。
其中一人必须在车前方60码（约55米）处手持红旗步行，以警示行人和马车。
在城镇内，车速不得超过2英里/小时，在城外不得超过4英里/小时。
同样，在汽车发展的早期，美国、德国也出台了一些限制车速的法律，例如规定车速不得超过“人正常步行的速度”或“马匹的小跑速度”。
当然，这里肯定也有安全方面的考虑，但是汽车速度不得超过马车的速度，不得不说是一个转型期特有的怪胎！
关于“论文要查AI率”的问题，王珏老师另一个观点是：
道高一尺，魔高一丈！
——注意：不是“道高一丈”！
这说明了什么？
——“魔”才是符合人的本性和需求的，总会有人找到方法，找到“道”的空隙！
比如，现在各种降AI率的工具比比皆是，而且有一些效果还是相当不错的！
所以，即便论文要查AI率，也不过就是多费点事（qian）就解决了……
王珏老师的以上观点，获得了北大最近发表的一篇Arxiv论文的观点的有力支持：
原文链接：https://arxiv.org/pdf/2512.06705
近年来，全球学术期刊纷纷出台AI使用政策：要求披露、限制使用、禁止署名……
看似构筑了“学术防火墙”。但北大信息管理系Yongyuan He（何永元）、Yi Bu（步一）的最新研究揭示出真相：这些政策几乎形同虚设。
研究团队分析了5,114种JCR Q1期刊和超520万篇论文，发现尽管70%的期刊制定了AI政策，但作者的使用行为完全不受影响。
更讽刺的是，有政策与无政策的期刊，AI使用增长曲线几乎完全重合。
正像王珏老师前面举的“机动车红旗法案”的例子，规则滞后于技术现实。当前政策聚焦“防作弊”而非“促善用”，忽略了时代发展的大潮，寄希望于在旧政策上“打补丁”，往往只是徒劳！
二、数据触目惊心：AI写作已全面渗透
研究显示，2023年是分水岭，AI辅助写作进入“爆炸式增长期”。尤其三类群体表现突出：
非英语国家作者（中国、德国、日本领先）
物理科学领域（数学、计算机、工程等）
高开放获取期刊（OA比例越高，AI痕迹越显著）
这意味着：AI正在成为“语言公平化工具”，语言优势不再是论文质量的天然壁垒。
三、最震撼的真相：披露率仅0.1%
研究团队对16.4万篇全文进行深度分析，结果令人瞠目：2023-2025年发表的7.5万篇论文中，仅76篇明确披露使用AI，披露率约0.1%。换言之，每40篇AI辅助的论文中，仅有1篇愿意承认。
作者集体沉默，是完全可以理解的！背后是“承认即风险”的学术生态：担心拒稿、质疑学术信用、恐惧同行审判。
可以说：正是当前的评价体系，在变相地鼓励隐瞒。
四、治理危机：学术伦理正在重构
该论文指出三大危机：
政策失效（规则无人遵守）
披露制度崩溃（透明化失败）
检测技术滞后（追不上AI进化速度）
作者呼吁：必须从“禁止或披露”转向“如何负责任地使用AI”。
这一研究结论，和王珏老师的观点“科研论文不应以查AI率为导向，而应全面转向负责任使用、以论文本身的质量作为评价依据”，是完全吻合的！
据此，论文提出：AI已不可逆地重塑学术写作！当绝大多数研究者都在“偷偷用AI”时，堵截式政策只会催生更隐蔽的灰色地带。
未来属于那些能驾驭AI、而非逃避AI的学者。正如论文中所言：“我们正站在学术出版百年变革的前夜。”
看来，“百年未见之大变局”这一论断，也同样适合于科研领域！