AI写论文有哪些风险？

生成式 AI 用起来很快，风险也集中：它可能编造看起来很真的文献，可能把你的判断写成套话，也可能让你在不知情时越过学院红线。风险不是「用了就会被抓」，而是你交出去的文字和数据，仍然由你负责。

使用前先读本校关于生成式 AI 的规定。有的学校要求披露，有的限制特定环节。规定优先于任何写作技巧。

1. 幻觉：假文献、假细节、假数据

模型会捏造作者、年份、卷期、DOI，或把真实论文和虚假页码拼在一起。也可能把过时结论说成最新共识。更严重的是编造问卷数据、实验表、访谈原话。看起来像论文，数据库里打不开，实验室里没做过。

应对：参考文献逐条在权威数据库或出版社页面打开；正文观点对照原文；数据只用你真实采集或合法获得的材料。

2. 隐形代写

若研究问题、文献取舍、方法设计和结论都由模型产出，你只负责粘贴，实质上接近代写。导师和学位条例追究的是作者，工具名称挡不住。答辩时若讲不清样本怎么来、变量怎么定义、某段话依据哪一页，风险会立刻暴露。

3. 查重与文风同质化

用 AI 大规模改写他人文字「降重」，仍可能是不当使用。通篇「一方面……另一方面……」「具有重要意义」却没有你的案例细节，查重未必高，答辩很难过。润色可以，把别人的论证换皮不行。

4. 隐私与未发表材料

企业内部数据、可识别个人信息、未公开专利线索，不适合粘贴到不明服务。上传前脱敏，优先学校认可或可控的环境。

5. 责任与披露不清

没用规定的方式说明 AI 使用环节，或把模型输出当成自己的原创发现，都可能被学院认定为违规。该披露就如实写：用于哪些步骤、哪些内容仍由本人完成。

还有一类容易被忽略的风险：你把半成品交给模型后，自己不再读原文，渐渐分不清哪些判断经过核实。过几周开题，连自己也信了那些流畅句子。所以要留下核对痕迹：哪一天打开了哪篇 PDF、哪条数据来自哪张导出表。不是为了应付检查，是为了防止记忆被生成文本覆盖。

流程层面的稳妥用法，见 如何正确使用 AI 辅助论文写作。PaperX 这类工具可以把引用和草稿放在一起核对，但核对原文、遵守规定，仍然是你的工作。

记住： 辅助可以，代写不行；要核对原文，看学校规定。效率省在整理和语言上，诚信花在问题和证据上。