9月20日上午，由华南理工大学、中国科学报社、科学出版社、广东省艾思信息化学术交流研究院主办的2026学术文化节暨第十七届创新发展论坛在华南理工大学五山校区召开。论坛上，AiScholar艾思科蓝AI学术诚信检测平台正式发布。

在题为《AI在学术诚信检测中的应用：艾思科蓝AI学术诚信检测平台》的报告中，广东省艾思信息化学术交流研究院理事长刘国兴介绍，该平台面向科研成果形成、投稿审稿和发表后的不同环节，围绕作者核验、正文文本、图片和参考文献提供风险识别与技术检测。

刘国兴作报告

AI进入科研工作流，诚信风险出现新变化

生成式人工智能正加速进入科研工作流，已用于文献检索、思路梳理、数据分析、语言润色等环节，并逐步参与图表生成和论文写作。报告援引科研人员使用AI的调研，指出效率提升与使用障碍同时存在：研究者已经将AI用于日常工作，但准确性不足和AI幻觉仍是顾虑。科研效率提升的同时，内容真实性、使用透明度和责任边界也成为科研治理需要回应的新问题。

生成式AI的介入，使学术诚信风险更难依靠单一规则识别。文本可能出现AI提示词残留、事实错误、虚构引文或生成内容披露不充分等问题；图片可能存在图内、图间重复以及变换处理痕迹；作者身份、署名关系和合作网络也需要结合公开信息核验。论文发表后，撤稿、勘误、关注声明等出版状态仍可能发生变化。

这些变化推动检测技术从一次性的文本相似性比对，转向多源信息交叉核验和发表后的持续追踪。检测结果也需要从单一分数转变为能够定位原文、图片、引文和来源依据的证据报告，供编辑、评审专家和科研管理人员复核。

据介绍，平台构建了覆盖四类对象的检测体系。在作者维度，平台通过ORCID有效性及机构归属进行核验，同时支持“论文工厂”关联性筛查，辅助核验身份与署名线索；在正文文本维度，提供AI提示词残留、学术文本规范、AIGC文本和文本相似性检测；在图片维度，识别图内、图间重复、变换型重复及潜在篡改线索；在参考文献维度，通过多源数据交叉验证、元数据逐字段核验等方式，发现虚构文献、异常引用及已撤稿引文等风险。

平台同时把检测环节向科研成果的前后两端延伸。稿件发表前，系统可比对撤稿记录并汇总风险线索，为送审和同行评议提供可复核证据；成果发表后，可持续跟踪撤稿、勘误、关注声明等状态变化，形成风险溯源记录。面向高校图书馆、会议主办机构、出版社和期刊及科研管理部门，相关能力可通过系统组件、开放平台、API或机构入口接入现有工作流程。

技术提供证据支持，专业判断仍是关键

“AI应当增强人类的判断，而不是替代人类做判断。”刘国兴表示，平台的定位是为专业人员提供证据和线索，而非直接作出学术不端认定。每一次检测都应当可解释、可复核、可追溯。对于AI生成内容，算法提示只能作为进一步核查的起点，最终判断仍需依据学科规范、出版政策和机构程序作出。

艾思科蓝发布AI学术诚信检测平台

平台方提供的运营数据显示，相关诚信检测能力已嵌入全过程学术会议智能SaaS系统，目前每年检测稿件超过10万篇，覆盖800多场国际学术会议。面向个人用户，平台提供文本相似性、AIGC文本、图片和参考文献等投稿前自查服务；面向机构用户，则支持批量检测、流程接入和发表后监测。

论坛现场，艾思科蓝同步发起学术诚信护航行动“清源计划”。据了解，平台将面向高校图书馆、科研院所和学术期刊编辑部公益开放参考文献风险检测能力，首期拟与100家学术诚信标杆单位开展共建，为每家单位提供一定数量篇次的检测额度，计划总计公益支持30万篇次参考文献检测。

从科研治理角度看，将检测能力嵌入科研工作流，有助于把风险识别前移至投稿和送审环节，也为成果发表后的动态管理提供连续证据。技术扩大核验覆盖面的同时，还需要与数据安全、检测口径公开、人工复核和申诉纠错机制相配套。科研诚信认定仍应遵循专业规范和制度程序，避免以单一算法结果替代审慎判断。