学术写作与同行评审

一条可用的引文需要通过两项检查：文献确实存在且书目信息准确；文献内容能够支持您想提出的论断。在人工智能推荐的参考文献进入您的稿件之前，请完成这两项检查。 下载研究工作流程模板（research workflow templates）：这是一个 ZIP 文件，包含可编辑的 CSV 记录表，分别用于证据提取、引文核查、质性编码审查和分析检查。请在电子表格或研究工作空间中打开这些文件。 这一工作流程适用于审阅人工智能辅助草稿的研究人员、学生和导师。您需要草稿、学术检索或图书馆资源的访问权限，以及一份简单的核查记录。它同样适用于同事推荐的参考文献，或在二手综述中发现的文献。 将论断与参考文献分开 把您打算加以支持的句子复制到记录表中，并为其分配一个论断编号。在相邻字段中记录所提议的引文、DOI 或网址、经核实的文献、相关段落及其定位、您的判定以及核查日期。 例如，草稿中可能写道：“人工智能提高了所有质性分析的质量。”即使尚未检索，“所有”一词就已设定了极高的举证门槛。您的任务是判断文献实际证实了什么，并改写句子，使其与这一范围相符。 独立查找书目记录..

2025年9月2日 人工智能创造力与人类想象力的比较：大语言模型基于训练数据生成模式，而人类创造力则源于独特的经历与情感。 背景：人工智能与创造力 大语言模型（LLM）正以惊人的速度发展。从撰写故事和诗歌到头脑风暴，它们在创意工作中的存在已不容忽视。但这里存在一个根本性问题：这些模型能否真正支持集体创造力，还是仅仅在模仿创造力？ 以往的研究呈现出复杂的图景。一方面，LLM在创意写作、诗歌、创意生成乃至创造性思维方面都展现出潜力。另一方面，研究也指出其创造力落后于人类，其生成的故事常被评价为"可预见的平庸"。 这种张力也延伸到集体情境中。虽然人工智能可能让个人感到更有创造力，但它可能降低群体之间的想法多样性（Doshi & Hauser, 2024; Padmakumar & He, 2024）。教师在实践中经常看到这一点：第一篇由人工智能生成的文章可能令人印象深刻，但到了第十篇，模式便开始重复。曾经看似"有创意"的内容，如今显得千篇一律。 当故事开始产生回声 本研究的作者将这些重复称为"回声"。 以弗朗茨·卡夫卡的短篇小说《*Give It...

2024年9月16日（更新于2024年10月8日） 本文题为"Can Large Language Models Provide Useful Feedback on Research Papers? A Large-Scale Empirical Analysis"（大语言模型能否为研究论文提供有用的反馈？一项大规模实证分析），由来自不同学术背景和机构的研究团队合作完成。该研究于2024年7月17日发表于 *NEJM AI* 第1卷第8期。文章探讨了大语言模型（LLMs）为研究论文提供有用反馈的潜力，并通过大规模实证分析回答这一问题。这项开创性研究考察了大语言模型（特别是 GPT-4）为研究论文提供有用反馈的潜力。研究者利用 GPT-4 开发了一个自动化流程，为科学论文生成结构化反馈，并开展了两项大规模研究以评估其有效性。 主要发现 回顾性分析： 将 GPT-4 的反馈与人类同行评审者对 *Nature* 系列期刊3,096篇论文和 ICLR 会议1,709篇论文的反馈进行比较。 GPT-4 与人类评审者反馈之间的重合度（*Nature* 系列

2024年6月13日 Dritjon Gruda 是学术期刊 "Personality and Individual Differences" 和 "Psychology of Leaders and Leadership" 的编辑。他在近期发表于知名期刊 *Nature* 的一篇文章中，分享了如何利用 ChatGPT 的能力提升学术写作的宝贵见解。这篇题为 "Three ways ChatGPT helps me in my academic writing" 的文章探讨了如何使用这一强大的人工智能工具润色研究论文、辅助同行评审，并提高编辑反馈的质量。 润色学术论文 在使用人工智能修改论文时，Gruda 强调提供清晰背景和指令的重要性，包括主题概述、主要论点以及需要改进之处。他建议使用如下提示词： "我正在为[领域]的顶级期刊撰写一篇关于[主题]的论文。在以下各节中，我试图表达[具体观点]。请改写以提高清晰度、连贯性和简洁性，确保段落之间过渡自然。删除口语化内容，并调整为专业术语。" 提供此类指令后，人工智能便能更有效地帮助优化文本。无论使用哪

使用限定范围的 AI 校对指令和修改记录，逐项审核语言建议，保护学术概念、数值、证据和作者原意。

2024年4月14日（更新于2024年5月8日） 一项针对评审报告的研究发现了数十个形容词，可能表明文本是在聊天机器人的帮助下撰写的。 由斯坦福大学 Weixin Liang 领导的一项研究［预印本，尚未经过同行评审］表明，计算机科学会议高达17%的同行评审报告可能经过 ChatGPT 等人工智能聊天机器人的实质性修改。该研究识别出若干在人工智能撰写的文本中出现频率更高的形容词，例如 "commendable"（值得称赞的）、"innovative"（创新的）和 "meticulous"（细致的）。分析发现，自 ChatGPT 发布以来，这些形容词在同行评审中的使用显著增加。该研究还考察了 *Nature Portfolio* 期刊的同行评审，但未发现这些形容词的使用出现类似激增。作者认为，透明度对于理解人工智能工具在同行评审中的使用方式十分重要。另外，Andrew Gray 的一项独立研究估计，2023年发表的论文中至少有60,000篇可能在一定程度上使用了聊天机器人。然而，由于缺乏透明度，人工智能参与的程度难以确定。

Image: "In Peer Review We Trust" by Sarahmirk (CC BY-SA 4.0) via Wikimedia Commons, recoloured. 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science、PNAS 以及各领域顶级商科与社会科学期刊。 AI 已从实验室工作台走向审稿人的办公桌 在过去两年里，关于 AI 在科研中作用的争论一直围绕着"输入端"：更好的文献检索、更快的编码、更干净的草稿。而本周，讨论重心果断转向了"把关端"。在 [Science](https://doi.org/10.1126/science.aem0443) 的报道中，Jeffrey Brainard 指出，随着 AI 能力不断增强，研究人员和出版机构正在积极探索如何用它来支持同行评审，以及它在哪些方面仍显不足。这种表述很重要：问题已不再是审稿人是否会悄悄把稿件粘贴进聊天机器人，而是期刊是否应当刻意构建这一能力，并附上相应规则。 问责问题紧随其后。[Nature](https://doi.org/1

Image: "Lab technitian looking through the microscope while adjusting coarse k" by Shixart1985 (CC BY 2.0) via Wikimedia Commons, recoloured. 8月24日 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science 以及各领域顶级管理学期刊。 几乎每篇论文里都有 AI。真正悬而未决的问题是：谁在指挥谁。 这个头条数字让人难以忽视。一篇于 8 月 12 日发布到 [arXiv](https://arxiv.org/abs/2608.10715)、并由 [Nature](https://www.nature.com/articles/d41586-026-02551-z) 报道的预印本估计，到 2025 年 12 月，PubMed Central 数据库中接近 90% 的论文显示出 LLM 辅助写作或编辑的痕迹，在整个 2025 年为 77%，2024 年为 52%。该方法延伸了同一团队发表

Image: "British Museum Reading Room Panorama Feb 2006" by Diliff (CC BY 2.5) via Wikimedia Commons, recoloured. 7月29日 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science、PNAS 以及各领域顶级商科与社会科学期刊。 文献中有多大比例出自 AI 之手？PNAS 如今争的是尺子，而非读数 今年五月，Kyle Siler 发表了大概是对已发表文献中 AI 足迹规模最大的一次审计：一项对 2020 至 2025 年间 Elsevier、Frontiers、MDPI 和 PLoS 旗下 730 万篇期刊论文全文的分析。该研究构建了一个由 228 个“焦点词”组成的语料库，这些词的词频在 2022 年之后以与 LLM 输出相一致的方式急剧跃升；[该研究](https://doi.org/10.1073/pnas.2605754123)估计，到 2025 年，约 57% 的已发表论文显示出 LLM 影响的证据，高于

6月30日 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science 以及商学与社会科学领域的顶级期刊。 算法厌恶并非全有或全无：抵触具有不对称性 十年来，“算法厌恶”（algorithm aversion）一直是解释好模型为何被束之高阁的最常被引用的理由之一：通常的说法是，人们一旦得知建议出自机器，便不再信任它。Saunak Basu、Alan R. Dennis、Aravinda Garimella 和 Wencui Han 在 Information Systems Research 上发表的新论文，对这幅过于整齐的图景提出了修正。在金融科技投资情境下开展的四项研究（两项随机对照实验、一项实地研究和一项质性访谈研究）中，他们发现对 AI 建议的抵触是不对称的：决定因素在于建议的实际内容，而非建议出自算法这一事实。 其机制与投资判断的方式有关。有些信号是显性的、可编码的；另一些则依赖于人类专家认为机器无法完全触及的隐性经验判断。当 AI 建议与专家的判断一致时，建议很容易被吸收；当建议与这种隐性判断相悖，即告诉专家其直

本文题为 "大型语言模型能否为研究论文提供有用的反馈？A Large-Scale Empirical Analysis"（一项大规模实证分析），是由来自不同学术背景和机构的研究人员组成的研究团队共同努力的成果。这项研究发表于 2024 年 7 月 17 日的《NEJM AI》第 1 卷第 8 期。文章探讨了大型语言模型（LLM）在为研究论文提供有用反馈方面的潜力，并针对这一问题进行了大规模的实证分析。这项开创性的研究探讨了大型语言模型（LLM），特别是 GPT-4 在为研究论文提供有用反馈方面的潜力。研究人员利用 GPT-4 开发了一个自动管道，用于生成对科学论文的结构化反馈，并开展了两项大规模研究来评估其有效性。 主要发现： 1.回顾性分析： 比较了 GPT-4 与人类同行评审员对《自然》系列期刊 3096 篇论文和 ICLR 会议 1709 篇论文的反馈意见。GPT-4 与人类审稿人反馈的重合度（自然期刊为 30.85%，ICLR 为 39.23%）与两位人类审稿人反馈的重合度（自然期刊为 28.58%，ICLR 为 35.25%）相当、被拒

对评论报告的研究发现了几十个AI最爱使用的形容词，这些特定的形容词可以表明文本是在聊天机器人的帮助下撰写的。 斯坦福大学的梁伟新领导的一项研究（预印本，尚未经过同行评议）表明，计算机科学会议的同行评议报告中有高达 17% 可能被 ChatGPT 等人工智能聊天机器人进行了实质性修改。研究发现，某些形容词，如 "值得称赞"、"创新 "和 "一丝不苟"，在人工智能撰写的文本中使用频率更高。分析发现，自 ChatGPT 发布以来，这些形容词在同行评论中的使用率明显增加。该研究还检查了《自然》（Nature Portfolio）期刊的同行评议，但没有发现这些形容词的使用出现类似的激增。作者认为，透明度对于了解同行评议中如何使用人工智能工具非常重要。与此同时，安德鲁-格雷（Andrew Gray）的另一项研究估计，2023年发表的至少6万篇论文可能在某种程度上使用了聊天机器人。然而，由于缺乏透明度，很难确定人工智能的参与程度。

使用限定范围的 AI 校对指令和修改记录，逐项审核语言建议，保护学术概念、数值、证据和作者原意。

作为学术期刊《人格与个体差异》（Personality and Individual Differences）和《领导者与领导心理学》（Psychology of Leaders and Leadership）的编辑，Dritjon Gruda 最近在著名期刊《自然》（Nature）上发表了一篇文章，分享了他利用 ChatGPT 的功能提高学术写作水平的宝贵见解。这篇题为 "ChatGPT 对我学术写作的三种帮助 "的文章探讨了如何利用这一强大的人工智能工具来完善研究论文、协助同行评审以及提高编辑反馈的质量。 修改学术论文在使用人工智能修改论文时，格鲁达强调了提供清晰的背景和说明的重要性，包括主题概述、主要论点和需要改进的地方。他建议使用以下提示： "我正在为[领域]的顶级期刊撰写一篇关于[主题]的论文。在以下章节中，我试图表达[具体观点]。请重新措辞，以提高清晰度、连贯性和简洁性，确保段落之间的平稳过渡。删除口语化内容，调整为专业术语"。 通过提供此类说明，人工智能可以更有效地帮助优化文本。无论您使用哪种人工智能生成工具，成功的关键都在于提供准