|
|
近日，艾思科蓝正式推出“AI学术诚信检测平台”（AiScholar Integrity Hub）。该平台面向个人与机构用户，围绕学术成果形成及提交过程中的风险识别需求，整合人工智能生成文本检测、参考文献真实性检测、文献相似性检测和图像完整性筛查等多项功能。
近年来，生成式人工智能在科研与学术写作中的应用日益广泛，但由此引发的使用边界不清、内容来源难追溯等问题，也对学术诚信治理提出新挑战。除传统文字抄袭外，AI生成内容的不当使用、虚假参考文献、图像重复或篡改等风险，正逐步成为学术审核与科研评价中的关注重点。
与此同时，业界普遍认为，单一技术工具尚无法替代同行评议、原始材料核查和人工判断。艾思科蓝该平台的作用，在于帮助研究人员、科研机构和出版单位提前发现潜在异常，为后续审稿核查提供参考，从而在AI时代共同维护学术诚信体系。
在人工智能生成文本检测方面，平台通过多模型信号分析，对可能由大语言模型生成的英文文本进行识别，覆盖ChatGPT、Gemini、DeepSeek、Claude等主流模型。需指出的是，该类检测属于概率性判断，结果可作为编辑审核或成果自查的辅助依据，但不宜作为认定学术不端行为的唯一证据。
参考文献真实性检测是平台的另一核心功能。据《柳叶刀》刊登的一项研究，在逾250万篇论文中识别出超过4000条伪造引文，涉及2810篇论文。确保参考文献真实、防范学术不端，已成为构建AI时代学术诚信体系的重要环节。该功能可对参考文献的真实性、格式错误及虚构伪造进行分析，并通过多数据库交叉比对，识别引用不当等问题。用户可在线查看结果或下载检测报告。
文献相似性检测方面，平台提供中英文论文查重服务，通过将待检文本与期刊论文、会议论文、学位论文、图书及网络资源等数据进行比对，识别文字重复及不规范引用。其中，英文查重由iThenticate提供技术支持；中文检测则基于不同数据库覆盖范围提供相应选择。艾思科蓝已于2022年4月与万方科技签订战略合作协议，向用户提供万方查重服务。
针对科研图像诚信问题，平台可对图片或PDF文献中的图像进行自动分割，识别并标注潜在重复区域，生成检测报告。该功能可用于论文投稿前自查，亦可为期刊编辑部稿件初筛提供辅助信息。
业内人士指出，完善AI时代的学术诚信治理，既需要提升技术识别能力，也需进一步明确生成式人工智能的使用边界、披露规范及责任主体。同时，检测机构应持续验证工具的准确性与适用范围，并妥善处理用户提交的论文及科研数据，避免因算法误判或数据管理不当引发新风险。（朱汉斌）
[ 责编：张悦鑫 ] |
|
发表于 