AI 写论文的典型“幻觉”：承诺未兑现与方法脱节
一位管理学副教授在二审一篇关于约束理论（Theory of Constraints）的综述论文时，发现其存在严重的逻辑断层。论文第 3.6 节声称“按五项标准评价了每篇研究，并根据评级调整比较权重”，但在结果、讨论及附录中，既无评级表，也无具体定义或计算过程。
审稿人指出：“方法部分承诺了一项全文未兑现的质量评价。要么补全框架和结果，要么删除该主张。目前看来，论文在假装执行了一项并未进行的分析。”
这并非孤例。2025 年 9 月，华东师范大学发起全球首个“AI 一作”社会实验，半年内收到 724 篇有效投稿。数据显示，“方法写了但结果没跟上”、“承诺了但未兑现”是 AI 辅助写作中最常见的问题。所谓的“去 AI 味”，核心不在于修饰措辞，而在于解决这种结构性的认知脱节。
结构性幻觉：为何 AI 难以建立因果链条
大语言模型作为概率生成系统，擅长模仿学术论文的文体特征，却缺乏对研究实质的理解。人类撰写方法部分时，脑海中已有明确的研究结果和分析路径，方法与结果之间存在严密的因果链。而 AI 仅是基于上文预测下一个高概率词汇，它知道“方法部分通常包含评价标准和权重分配”，因此生成了相应文本，却无法保证后文能产出对应的数据支撑。
这种“认识论上的冒名顶替”表现为三个层级的脱节：
- 层级一：声称进行了质量评级，却缺失评级明细表；
- 层级二：声称进行了权重分配，却未提供计算过程或具体数值；
- 层级三：声称进行了敏感性分析以检验稳健性，但结果部分只字未提相关发现。
根源在于，AI 能生成“研究的描述”，但不能“执行研究”。它无法真正翻阅文献、打分或计算，仅能模仿描述这些行为的句式。因此，简单的润色无法消除这种根植于生成机制的结构性缺陷。
语境失聪：全局一致性维护机制的缺失
在同一篇 AI 生成的论文中，常出现同一参考文献或方法被归入矛盾类别的现象。例如，遗传算法在表 4 中被归类为“迁就瓶颈（Subordination）”，而在表 5 中却被归为“打破瓶颈（Elevate）”。
这种现象源于 AI 缺乏全局一致性维护机制。人类研究者拥有完整的“研究蓝图”，在写作不同章节时会相互参照，保持分类框架的稳定。而 AI 基于有限的上下文窗口逐段生成，随着篇幅增加，早期的设定容易被“遗忘”或忽略。它没有固定的分类锚点，往往是边生成边定义类别，导致前后矛盾成为常态，一致反而成了巧合。
这印证了科学哲学中的“观察渗透理论”：人类研究者依靠理论框架进行观察和分类，而 AI 仅靠拼凑语料片段，缺乏统一的理论透镜，导致分类体系混乱。
分析框架的“游牧化”：维度膨胀与规范缺失
AI 生成的论文常出现分析维度数量不一的情况：引言称“五个维度”，方法章变“六个”，结果章又成“九个”。这是因为大模型倾向于认为维度越多越显“高级”，因此在生成过程中不断添加新维度。
然而，严谨的系统性综述遵循如 PRISMA 等规范，要求预先注册研究方案，固定编码维度和分析方法，以防止“事后调整”带来的偏差（即 p-hacking）。AI 缺乏这种预先规划的约束，其分析框架呈现“游牧化”特征——没有固定领地，随生成过程随意迁徙。它将维度视为装饰而非探究问题的工具，导致分析深度不足，模糊了“研究”与“写作”的边界。
边界消融：当提示词泄漏为研究方法
部分 AI 生成论文的方法部分甚至出现了“检查禁用词、破折号和分号”、“仅限英文”等表述。这些本应是用户给 AI 的指令（Prompt），却被 AI 误写入论文正文。
这揭示了 AI 本体论上的特征：它没有“边界”概念。对人类而言，指令与正文界限分明；对 AI 而言，所有输入均为字符序列。它无法区分“给它的指令”与“论文内容”，导致人机协作的痕迹直接泄漏到最终成果中。
随着学术界从“禁止使用 AI”转向“披露使用情况”，新的伦理困境浮现：如何界定 AI 的贡献？当经过多轮对话、修改后，论文的作者归属变得模糊。提示词的泄漏不仅是技术错误，更折射出人机协作边界日益模糊的现实挑战。
结语：学术写作的本质是思考的痕迹
AI 能生成完美的文本，但无法模拟人类的思考过程。学术写作的核心价值不在于句式的流畅，而在于留下“思考的痕迹”——犹豫、推翻、挣扎、保守结论以及试错的过程。人类写作中的卡顿与反复，恰恰是深度思考的证明。
AI 永远流畅，因为它从未真正“困惑”过。这种虚假的流畅掩盖了认知的空洞。因此，“去 AI 味”的终极方案并非依赖 AI 润色，而是研究者重新介入，注入个人的不确定性与判断力。那些带有个人印记、体现思维张力的部分，才是论文中不可替代的人类智慧，也是 AI 无法模仿的核心所在。