一篇论文的八张图片被提取、切分、相互比对，完全重复、局部重复、放缩重复等问题被逐项标出，并以不同颜色提示风险。9月11日，在主题为“学术与科研场景下的AI”的第十七届创新发展论坛上，广东省艾思信息化学术交流研究院代表彭科在报告中展示的图片检测案例，将一个问题摆到研究者面前：在把稿件交给期刊之前，能否先借助工具找到需要核查的地方？

广东省艾思信息化学术交流研究院代表彭科。摄影：张喆

当天，他以《学术诚信风险案例剖析、技术检测与趋势》为题，从作者、正文文本、图片、参考文献四个方面剖析风险，并重点介绍投稿前自查工具。他强调，技术可以帮助暴露可疑问题、查找可复核的证据，最终的专业判断和研究责任仍须由本人承担。

可在投稿前自查

彭科报告重点介绍了艾思科蓝（AiScholar）学术诚信检测平台。该平台是研究院在研究撤稿案例和出版商政策的基础上，借助AI技术开展检测产品建设，并在艾思科蓝平台进行的成果转化。平台面向个人研究者，平台提供文本相似性、AIGC文本、图片查重和参考文献风险四类检测能力，用于投稿前自查。

其中，文本相似性检测对应的是中英文查重。彭科专门展示了英文查重工具iThenticate，介绍将稿件与文献数据库进行比对的应用。AIGC文本检测则关注疑似由大模型生成的文本：课件列出对ChatGPT、Gemini、DeepSeek、Claude等主流模型的支持，并展示疑似AI生成片段定位和可视化报告等特点，帮助作者返回相关位置核查。文本相似性与疑似AI生成文本，是报告分别介绍的两个检测维度。

图片完整性检查的特点，是将图像中的可疑区域具体呈现出来。在报告展示的检测结果中，同一篇论文内的图片经过提取和比对，形成风险概况，并显示完全重复、局部重复、放缩重复和条带重复等问题的位置。不同颜色用于区分风险等级，作者可以依据提示逐项检查。彭科指出，其中也可能存在使用过程中无意引入的错误，工具可以帮助作者在投稿前发现和处理这些问题。

这一演示对应《Cell Reports》的一起撤稿案例。按照彭科的介绍，该作者发表后主动报告图片问题，并称错误是在准备、拼装及使用AI辅助工具时无意引入的，随后期刊重新检查，发现多处问题。课件同时列出未按出版社政策披露AI使用、作者说明与底层数据解释不足、问题涉及范围过广等情况。由此，图像核查既涉及图片本身，也涉及生成和处理过程的说明，以及原始资料能否支持作者的解释。

参考文献风险检测则把核查细化到一条引文的具体字段。课件介绍，通过Crossref、OpenAlex等多个来源交叉验证，逐项比对作者、标题、期刊、卷期页码、发表年份、DOI等信息。彭科说明，这类工具针对参考文献生成中可能出现的不同问题，划分风险级别并提供检测报告，供作者在投稿前修正。

为什么要核对到这些细节？彭科列举，有的文献完全不存在，有的DOI真实，题名或作者却被错配；也有引文信息残缺、文献与研究主题不符，或论文已撤稿却未被察觉等问题。面对报告标出的风险，作者需要返回原始文献核查。AI可以帮助整理资料，但不能把生成的引文未经验证就附在论文后提交。

对高校课题组而言，这些工具也有具体使用场景。彭科指出，导师难以对大课题组的所有细节面面俱到，可以借助检测工具帮助学生开展投稿前检查，降低投稿风险。但他专门强调，不能以工具作为终审，更不能据此直接作出学术不端的最终判断。工具只是辅助专家和审稿人提示风险、寻找证据，论文的最终定性仍需人工判断。

自查不能替代日常研究

自查也不能替代日常研究记录。彭科举例，一位研究者设置了多个“最终版”文件夹，编辑要求原始材料时，却无法提供确切的研究记录。他提醒，应完整保存原始数据、图片和代码，做好分析流程的版本管理。对于署名，还须确认身份、贡献与责任的真实性；AI无法承担论文责任，不能被列为作者。

在使用AI辅助写作时，彭科区分了允许使用、需要披露和禁止使用的不同程度。语言润色、文献检索线索和构思框架可以提供辅助，但不能改变科学内容与作者的核心判断。AI实质参与文本生成、数据分析或研究方法，应透明披露工具和用途，并核对期刊规定；虚构实验数据、生成虚假参考文献则属于禁止范围，审稿中的他人论文也不应上传通用大模型。

发现问题之后，还要遵循纠错规范。彭科结合COPE撤稿指南指出，撤稿旨在纠正学术文献、维护科学记录的完整性，并非惩罚作者。“诚实错误”应与伪造数据、买卖论文、图片造假等主观恶意行为区分；能够通过更正解决的错误，应谨慎对待撤稿。

报告最后，彭科强调，科学研究允许发现问题、解决问题和纠正问题，关键是让知识流通建立在可信的基础上。从原始记录的保存，到检测工具的使用，再到作者核查和专家判断，投稿前的自查最终仍要回到证据、规范与责任。