AI率不高，但审稿人能看出的6个AI写作痕迹

使用AI辅助完成论文后，AI检测结果不高，是否就意味着稿件没有问题？未必。AI检测主要分析文本中可能存在的AI生成特征，但编辑和审稿人判断一篇论文时，关注的并不只是“AI率”。他们还会检查参考文献是否真实、论述是否具体、结论是否得到数据支持，以及作者是否真正理解并能解释自己的研究。因此，即使一篇论文的AI率不高，如果稿件中仍然存在虚假引用、空泛表达、论证跳跃或AI回复残留，也可能影响编辑和审稿人对稿件可信度的判断。本文分析虚假引用、空泛表达、结论与数据不一致等6类AI辅助写作风险，并提供SCI投稿前检查清单。

一、AI率不高，为什么仍可能被审稿人发现问题？

AI检测工具通常根据词语选择、句式规律、文本可预测性和语言分布等特征，判断一段文字更接近人类写作、AI写作还是人机混合写作。但AI检测并不能回答以下问题：

• 参考文献是否真实存在；
• DOI是否对应正确的论文；
• 引用的文献是否真正支持当前论述；
• 研究结论是否超出了数据能够支持的范围；
• 方法、结果和讨论是否前后一致；
• 作者是否理解并认可稿件中的每个判断。

因此，AI率检测是投稿前检查的基础步骤，是指出哪里需要进一步复核的信号。

二、审稿人可能注意到的6个AI写作痕迹

1. 稿件中残留提示词、占位符或AI回复

这是最容易发现，也最容易影响作者可信度的一类问题。常见情况包括：

• “As an AI language model”等模型回复；
• “Insert citation here”等占位符；
• “请改写以下段落”等提示词；
• 尚未删除的Markdown符号；
• AI生成内容中的解释性备注；
• utm_source、source=chatgpt等异常链接参数；
• 没有处理的批注、修订标记或内部沟通内容；
• 表格、图注或补充材料中残留的模板文字。

这些内容未必说明论文的研究结论有误，却会让编辑和审稿人怀疑：作者是否完整阅读并检查过最终稿件？

投稿前不要只检查正文。还应检查摘要、脚注、参考文献、图表、附录、补充材料和最终导出的PDF。文档格式转换、多人协作和参考文献格式调整，都可能把原本隐藏的问题带入投稿文件。

2. 参考文献“看起来真实”，实际无法验证

AI生成的参考文献往往具有完整的结构：作者、标题、期刊名称、年份甚至DOI一应俱全，因此很难仅凭肉眼识别。但这些信息可能存在不同程度的错误：

• 论文根本不存在；
• 作者姓名或顺序错误；
• 标题与真实论文不一致；
• 期刊名称、年份或卷期错误；
• DOI能够打开，却指向另一篇论文；
• 文献真实存在，但不支持正文中的论述；
• 引用的论文已经被撤稿或发布关注声明。

特别需要注意的是，DOI能够正常解析，并不代表参考文献一定正确。作者还需要确认DOI指向的标题、作者、期刊及年份是否与文后条目一致。

Google Scholar能够检索到某条文献，也不能完全证明其真实性。如果一条虚构文献被多个网页或文档重复引用，它也可能进入搜索结果。

投稿前，建议逐条确认：

1. 论文是否真实存在；
2. 作者、标题、期刊和年份是否准确；
3. DOI是否指向该篇论文；
4. 原始文献是否可以查阅；
5. 文献是否真正支持正文旁边的观点；
6. 文献当前是否存在撤稿、更正或关注声明。

Crossref已将Retraction Watch撤稿数据整合进其相关数据服务，为核对论文撤稿、更正和关注声明状态提供了更多信息。

3. 语言很流畅，却没有提供具体信息

AI辅助写作最隐蔽的问题之一，并不是语法错误，而是“每句话都正确，却没有真正说清楚什么”。

例如：本研究采用创新方法，为解决复杂问题提供了重要见解，并具有广泛的理论和实践意义。

这句话语法没有明显问题，但没有说明：研究对象是谁；使用了什么方法；测量了什么结果；得出了什么具体发现；“重要”体现在哪里；结论适用于哪些范围。

相比之下，更具体的表述可以是：在本研究纳入的120名一年级护理学生中，每周参加检索练习测验的学生，其期末考试平均成绩高于仅使用自愿复习材料的学生；但本研究尚未评估该效果能否延续至后续课程。

第二种写法明确交代了研究对象、干预方式、结果和研究局限。审稿人能够判断作者具体做了什么，也能评估结论是否合理。检查每个段落时，可以提出以下问题：

• 这一段究竟要证明什么？
• 哪项数据或文献支持这个判断？
• 是否说明了研究对象、方法或测量指标？
• 相同表述是否可以直接放进其他学科的论文？
• 是否保留了必要的限制条件和不确定性？
• 作者自己的解释是否清晰可见？

如果一段文字适用于几十个完全不同的研究主题，它可能还不够具体。

4. 结论听起来合理，却与数据不完全一致

大语言模型擅长生成连贯、符合语境的句子，但“读起来合理”不等于“得到研究数据支持”。

常见的论述与数据不匹配包括：

投稿前至少应完成四项一致性检查：

样本一致性

检查摘要、方法、结果、表格和流程图中的样本量是否相同，排除标准和百分比分母是否说明清楚。

结果一致性

确认摘要和结论讨论的是研究实际测量的结果，并区分主要结果、次要结果和探索性结果。

研究设计一致性

观察性研究通常不能直接证明因果关系。论文中的“导致”“提高”“决定”等词语，应当与研究设计能够支持的推断强度相匹配。

不确定性一致性

效应量、置信区间、相互矛盾的结果和研究局限，不应在摘要或讨论中被不恰当地省略。

这些问题不一定是AI造成的，但AI改写可能让原本谨慎的表达变得更加确定，从而扩大论文结论的强度；或者让原本确定的表达变得谨慎，反而削弱了论文结论强度。

5. 术语、语气和写作风格突然变化

当论文由多人共同撰写，或者不同章节分别经过AI生成、翻译和改写后，稿件可能出现明显的不一致：

• 同一个概念使用不同术语；
• 英式英语和美式英语混用；
• 研究对象的名称前后变化；
• 方法部分非常具体，讨论部分突然变得空泛；
• 某些段落句式高度重复；
• 部分内容与作者平时的学术表达差异明显；
• 数值、缩写或变量名称在不同章节中不一致；
• 结论使用了正文从未出现过的新概念。

单独看每个句子，它们可能都没有语法错误；但从整篇论文来看，风格和术语的突然变化会打断论证，也可能让审稿人怀疑不同部分是否经过统一核对。

投稿前可以建立术语表，统一研究对象、变量、方法和关键概念的英文表达，同时检查摘要、正文、表格和图注是否使用相同名称。

语言润色的目标也不应是把所有句子改得高度相似，而应在提升准确性和可读性的同时，保留作者原意、学科术语以及结论中必要的谨慎程度。

6. 作者无法解释论文中的判断或引用

最需要警惕的情况不是论文出现了一两个具有“AI感”的句子，而是作者已经失去了对论文内容的控制。作者至少应该能够解释：

• 为什么选择这个研究问题；
• 研究方法如何回答该问题；
• 为什么作出每项分析决定；
• 数据能够支持哪些结论；
• 数据不能支持哪些结论；
• 为什么引用每一篇关键文献；
• AI参与了哪些环节；
• 哪些内容经过了人工核验；
• 为什么最终论证仍然属于作者本人。

COPE关于AI与作者身份的立场指出，AI工具不能被列为论文作者，因为作者身份意味着责任，而AI无法对稿件的准确性、原创性和完整性承担责任。

如果作者无法说明某个判断从何而来，或者没有阅读自己引用的关键文献，那么即使AI检测结果很低，稿件仍然存在更实质性的学术风险。

三、AI检测结果应该怎么看？

AI检测可以帮助作者缩小人工复核范围，但不应被理解为最终裁决。

看到较高的AI写作概率时，不建议仅仅通过同义词替换、打乱句式或使用所谓“AI人性化工具”降低分数。这样机械改写降AI率，可能造成：

• 改变原有观点；
• 削弱专业术语的准确性；
• 删除必要的限定条件；
• 引入新的语法或逻辑问题；
• 让不同章节之间更加不一致。

建议的处理方式是回到具体段落，检查：

1. 这段内容是否来自作者自己的研究和笔记；
2. 研究对象、方法、结果和限制是否具体；
3. 每项事实和数据是否能够核实；
4. 引用是否真实并支持当前论述；
5. AI是否改变了原有结论的强度；
6. 是否需要按照目标期刊要求披露AI使用。

四、AI辅助写作后，投稿前应该按什么顺序检查？

除了基础的AI率检测，可以按照以下顺序完成投稿前检查。

第一步：检查科研内容

由作者和研究团队确认：

• 研究问题和贡献是否明确；
• 方法是否适合研究问题；
• 数据、统计结果和图表是否准确；
• 结论是否处于数据能够支持的范围内；
• 局限性是否被如实呈现。

这些内容涉及研究事实和科学判断，不能由工具替代。

第二步：检查参考文献

核实：

• 文献是否真实存在；
• DOI和书目信息是否正确；
• 是否引用了撤稿或无法验证的文献；
• 正文引用与文后参考文献是否对应；
• 文献是否真正支持当前论述；
• 是否存在缺失引用、过度自引或引用来源过度集中的情况。

第三步：检查语言和AI写作风险

检查：

• 是否残留提示词、占位符或模型回复；
• 是否存在空泛、重复或过度概括的表达；
• 学科术语是否准确且前后一致；
• AI改写是否改变了作者原意；
• 哪些段落需要作者重新阅读和改写。

第四步：检查相似性风险

查重报告中的相似内容不一定都构成抄袭。研究者需要区分：

• 正确引用的相似内容；
• 方法部分不可避免的常见表达；
• 未充分改写的原文；
• 缺少引号或来源标注的直接引用；
• 与作者已发表论文之间的文本重合。

第五步：检查目标期刊要求

最后查看目标期刊的作者指南（Guide for Authors），确认：

• 标题和摘要长度；
• 关键词数量；
• 稿件结构；
• 作者及单位信息；
• 图表、图注和补充材料；
• 伦理审批与知情同意声明；
• 利益冲突、基金和数据可用性声明；
• AI使用披露要求；
• 参考文献格式及投稿文件要求。

出版社政策只能提供通用框架，具体期刊的要求可能更加严格，因此应以投稿时最新的期刊作者指南为准。

五、Paperpal可以帮助检查什么？

Paperpal面向科研写作和投稿准备场景，可以帮助研究者在提交前完成多维度检查：

AI率检测

Paperpal可以对稿件进行句子级分析，帮助作者定位可能呈现人类写作、人机混合或AI写作特征的内容。检测结果用于确定需要进一步人工复核的段落，而不是直接判定作者是否违规。

参考文献核查

Paperpal可以帮助检查：

• 撤稿文献；
• 不存在或无法验证的参考文献；
• 无效或异常的DOI及网址；
• 引用与当前论述之间的相关性；
• 正文中出现但文后缺少条目的引用；
• 文后列出但正文中没有使用的文献；
• 可能的过度自引和作者引用偏倚；
• 参考文献的数量及时效性等整体风险。

对于AI参与生成、补充或整理过的参考文献，作者仍应回到原始论文和出版商页面进行最终核实。

AI审稿

Paperpal AI Review可以从模拟审稿视角，对稿件的行文逻辑、冗余内容、论证完整性和科学严谨性等方面提供改进建议，帮助作者发现语言正确但论证仍不充分的部分。

AI审稿不能替代真实同行评审，也不能验证实验和数据的真实性，但可以作为投稿前的补充检查。

学术语言润色

Paperpal可以帮助改善语法、清晰度、简洁性和学术表达，并尽量保留作者原意、专业术语、数字和引用。作者仍需逐项审阅修改建议，尤其要确认结论强度和限定条件没有发生变化。

期刊规范检查

Paperpal可以根据投稿要求检查语言、结构、元数据、图表、参考文献及必要声明等常见技术问题，帮助作者发现可能影响编辑初筛的缺失项。

六、避免“AI写作痕迹”的关键，不是降低一个分数

避免“AI写作痕迹”的关键是不能未经核实就把AI输出直接放入论文。

投稿前，研究者不妨问自己三个问题：

1. 论文中的每条重要信息是否能够验证？
2. 每个结论是否得到数据或文献支持？
3. 我是否能够解释并为稿件中的每项判断负责？

如果答案都是肯定的，那么AI只是辅助研究者提高效率的工具。

如果答案是否定的，即使AI检测结果很低，稿件仍然可能存在虚假引用、论证不足、结论失真或投稿不合规等风险。

因此，AI辅助写作后的正确下一步，是在完成基础的AI率检测后，再进行一次覆盖科研内容、参考文献、语言、相似性和期刊规范的投稿前检查。，借助Paperpal可以帮助你定位需要进一步复核的问题。

参考资料

• Elsevier：Generative AI Policies for Journals
• COPE：Authorship and AI Tools
• Crossref：Retraction Watch数据说明

Paperpal 是一款面向科研写作和英文期刊投稿场景的AI学术写作工具，帮助作者在写作与投稿前系统性地发现问题并逐步优化。无论是语言表达、文献引用，还是投稿完备度与审稿风险评估，Paperpal 都能提供清晰、可操作的支持，帮助你更安心地完成投稿准备。

Paperpal 提供免费版本供你体验基础功能；升级至 Paperpal Prime，还可使用更完整的写作与投稿支持功能，帮助你在投稿前更从容地准备论文，提高投稿过程的确定性。
立即注册Paperpal，开启高效写作、自信投稿