新智元报道
新智元报道
三分之一的arXiv论文，竟然是AI写的？
就在最近，一份unslop的研究在外网炸开了锅。
过去一年，计算机科学领域65%的新论文，被它的检测器标了红。
网友甚至为此造了一个专属名词——「大泔水时代」。
可同一时期的数学论文，却只有0.7%。
在这项研究中，团队扫了12750篇arXiv论文，时间跨度从2023年1月直抵2026年7月。
目标锁定十个学科，每个领域每月抽取约25怕篇全文。
对照组则选定在2021至2022年，那是ChatGPT还未降生的纯人类时代。
结果显示，2021至2022年，标记率稳定在0.4%；但随着ChatGPT的发布，曲线在几个月内拔地而起。
在最近一个完整季度中，标记率达到了32%，而在2026年初，峰值更是逼近39%。
分学科来看，计算机科学最为惨烈，标记率高达65%。
要知道在ChatGPT问世前，它的底数只有0.2%。短短三年，数字狂飙了300多倍。
紧随其后的是定量生物56.3%，电气工程51.3%，经济金融47%；再往下，应用物理34%，统计31.3%，凝聚态24%，高能物理14%，天体物理10.7%。
榜单的最后一行是数学：0.7%。
而这还只是下限。如果把AI文本藏得足够隐蔽，检测器是识别不出来的。
同一台检测仪，同一个论文库，落差逼近100倍。
到底是数学家集体坚守纯手工码字？还是这台机器在数学公式面前，压根就是个瞎子？
其实，谜底已经被unslop亲手写进了报告里。
想想看，一篇标准的数学论文究竟长什么样？满屏都是符号、公式、定理与证明，真正用英语写成的散文句子，少得可怜。
偏偏这台检测器只认文字。它盯的是句子的结构、用词的习惯、段落的组织。
而数学论文里仅剩的那几行字，还全是「设X为某某」「由引理3可推导」这类格式化表达，和检测器训练时见过的科学英语基本不在同一个频道上。
所以团队自己也承认，目前的研究还有不少局限性：
数学的0.7%目前还说明不了什么。可能是数学家真不怎么用AI，也可能是检测器看不懂数学论文，但这份数据分不出是哪一种。
对照组也比较小。每个学科只有200篇ChatGPT前的论文，按0.4%的误报率，2000篇里总共只有8篇被标记。这种水平，只能算是粗略估计。
再有就是前面说过的，检测器抓不全。所以，这些数字都还只是下限，真实比例只会更高。
那么，到底是谁在用AI写论文？
答案，藏在斯坦福另一组测了两年的数据里。
2024年3月，斯坦福Weixin Liang团队率先把尺子伸进同行评审：ICLR 2024的审稿意见里，约10.6%的句子被LLM大幅修改过。论文还没测完，审稿人自己先用上了。
2025年8月，还是这个团队，把样本扩到112万篇论文，并且直接登上了《自然·人类行为》。
研究显示，截至2024年9月，CS论文摘要的LLM修改比例最高已达22.5%。而且用得最狠的，是发预印本最勤、扎在最卷领域的研究者。
越卷的领域，用得越狠。
在这里，AI写作已经成为了军备竞赛：同行都在用AI提速，只用手写的人，节奏就慢了一拍。
难怪这份报告在X上流传颇广的一条转发，配文里第一行就是：「提示词：写一篇能发arXiv的论文。」
不过，先别急着拿这65%去定罪。
团队在报告里也承认，检测器分不清「AI顺过一遍语法」和「整篇机器代工」，它只认文字里的机器味浓度。
所以65%的准确读法，是「65%的论文闻起来像AI」，而不是「65%的论文是AI写的」。
但麻烦在于，这种机器味，人类自己也会沾染。
有不信邪的研究者，把自己多年前的旧论文扔进检测工具，结果27%到74%的内容被标红。
要知道在那个年代，ChatGPT连个影子都还没有。
原因不难找。
翻开今天的学术期刊，满纸都是大型语言模型、基准测试、业界最前沿。措辞越标准，结构越工整，越容易撞上检测器认定的机器特征。
何况，LLM本来就是拿这类论文训练出来的。不是学者写得像AI，是AI生来就写得像学者。
其实这两年，我们都在干和检测器同一件事。
读到一段四平八稳、词句工整、是不是「不仅……而且……」的文字，心里就会咯噔一下：这怕不是AI写的吧？
unslop的检测器，等于把这种玄学的嗅觉，做成了一台能量产数字的仪器。
毕竟怀疑一旦装进脑子，就卸不掉了。
过去，「写下来」本身就是一种背书。一个人愿意花几个小时组织文字，至少说明他认真。
现在写得再漂亮，都可能只换来一句「AI吧」。
有些人甚至开始刻意绕开自己用了半辈子的词，只因它们「听起来太AI」。
如今，「AI味」正在变成一场席卷文字圈的新型原罪。
滑稽的是，直到今天，我们连这股原罪由什么构成，都还没能精确测量出来。
参考资料：
https://unslop.run/blog/measuring-ai-writing-on-arxiv
编辑：摩西
