AI技术凭借数据挖掘、实验仿真等优势重构科研范式，大幅提升基础工作效率，推动科研产出爆发式增长。但AI仅能重组既有数据，缺乏原创性思考，加之训练数据滞后、领域适配性不足，催生大量存在概念混淆、数据失真、引用造假等问题的平庸论文，且这类论文因结构规范难以被快速甄别。

这对学术评价体系构成新挑战：传统以数量和文本质量为核心的评价标准难以适配人机协同科研场景，现有AI检测技术应对反检测手段时较为被动，跨学科研究中AI辅助程度的差异，也让统一评价标准难以兼顾技术适配性与学术严谨性，亟需建立基于技术特征的差异化评价与过程化审查机制。 http://t.cn/AX4Orqri