【摘要】 使用AI辅助科研时，按数据、原始记录、引用、表达、过程和责任七点检查，降低论文与成果表达中的学术风险。

科研人必备干货｜全套科研知识库

常用科研资料汇总，点击领取即可获取。

 

AI科研合规不是拒绝工具，而是把工具放在可解释、可记录、可复核的研究流程中。研究者应明确输入边界，保存原始材料，核对AI输出，并对最终成果负责。

 

七个核验点

1.数据边界：不把未公开数据、个人信息或受限材料输入未经确认的工具。

2.原始记录：保存原始文献、实验数据、图表和未修改文本。

3.任务范围：明确AI用于检索、结构整理、语言润色、代码辅助还是图像生成。

4.引用核对：检查作者、DOI、数字、研究结论和参考文献是否真实对应。

5.原意检查：比较修改前后文本，确认没有改变因果、限制条件或结论强度。

6.过程留痕：记录提示词、模型版本、关键输出和人工修改，便于复盘。

7.最终负责：由研究者确认方法、数据、图表和结论符合期刊与机构要求。

 

不同任务的风险重点

论文写作重点检查幻觉引用和不当署名；数据分析重点检查隐私、数据泄漏和统计方法；科研绘图重点检查是否虚构或改变实验含义；PPT与视频重点检查来源、版权和学术语境。

 

把清单用于课题组

可以把七点做成论文或申请书提交前的表单，要求成员同时提交原始材料、AI使用说明和人工核验记录。这样既保留AI的效率，也让关键判断回到研究者手中。

课程主题总览见AI辅助科研。