Science研究揭示AI辅助写作对科研生产力的双重影响

如果你是一名科研工作者，你或许已经察觉到身边正在发生的change 变化：越来越多的同行开始使用ChatGPT或类似的大语言模型（LLMs）来辅助写作、润色文稿，甚至检索文献。这些工具似乎让科研变得更高效了——但这种“高效”究竟意味着什么？它是在推动科学进步，还是在制造新的risk 风险？2025年12月，一篇发表在《Science》上的政策分析文章给出了迄今为止最系统的实证答案。来自康奈尔大学和加州大学伯克利分校的研究团队分析了超过210万篇预印本论文，揭示了大语言模型对科学生产的深远impact 影响：它提升了productivity 生产力、降低了语言门槛、拓宽了知识发现的边界——但也正在瓦解我们用于判断研究质量的传统信号（Kusumeg et al., 2025）。

研究团队收集了arXiv、bioRxiv和SSRN三大预印本平台从2018年1月到2024年6月的近210万篇论文data 数据，并通过训练AI检测算法识别出哪些论文可能接受了LLM辅助。他们采用“事件研究法”，追踪同一作者在首次使用AI前后的发文数量与质量change 变化，并与未使用者进行对照。为衡量质量，研究采用了两个指标：是否最终通过同行评审发表，以及ICLR-2024会议中专家给出的review score 评审分数。统计模型控制了作者个体特征，确保结果反映的是AI使用的边际effect 效应。

研究发现三个积极趋势：第一，LLM显着提升了科研产出。使用AI后，arXiv作者的发文量提高36.2%，bioRxiv提高52.9%，SSRN更是飙升59.8%。第二，非英语母语者获益更大，尤其是亚洲机构的研究者，其生产力增幅达80%~89%，远超英美学者的23%~46%，说明AI正在打破长期存在的“语言红利”不平等。第三，AI辅助检索反而拓宽了知识边界——用户引用了更多新发表、低热度但有潜力的研究，减少了对热门文献的依赖，展现出更强的diversity 多样性探索。

然而，研究也揭示了一个严峻的反向信号：传统的写作质量已不再可靠。在非AI论文中，语言越复杂，发表概率越高；但在AI辅助论文中，这一关系完全逆转——语言越华丽，专家评分越低，发表可能性也越小。研究者指出，这是因为LLM能轻易生成“看起来专业”的文本，使复杂的句式不再反映思想深度。这动摇了审稿人长期依赖的“写作即质量”的启发式判断，也暴露出科学评价体系的脆弱性。

这篇研究的真正意义，不在于记录AI的普及，而在于警示科学共同体正面临制度性挑战。当“语言图灵测试”失效，我们必须转向更本质的评判标准：逻辑严密性、数据真实性与方法创新性。同时，面对可能涌现的“学术泡沫”，研究呼吁发展“AI审稿代理”来对冲风险，并重新界定AI辅助与学术诚信的边界。AI不是救星也不是灾难，而是一面放大镜——它放大了能力，也放大了问题。唯有重构评价机制，才能让技术真正服务于科学的integrity 诚信与进步。