6.6 学术诚信与 AIGC 时代的科研伦理

本章目标：在 LLM 无处不在的研究环境里，把”能做什么、必须披露什么、绝对不能做什么”的边界一次性画清。这一章 Protect 的是你未来五年最重要的资产——学术声誉。学完标准：能对任何灰色场景给出”行/披露后行/不行”的判断，并了解主要会议的现行政策要点。

1. 基础线（AIGC 之前就存在的铁律）

1. 不剽窃：文字、想法、图表、代码都算——引了就是引了，包括”改写到看不出来”（这是最蠢也最常见的翻车）；
2. 不捏造：数据、实验结果、引用文献——幻觉引用是 LLM 时代的高发事故：AI 给你的参考文献必须逐条核实原文存在且内容相符；
3. 不一稿多投/冗余发表：同一工作拆分发表、会议版与期刊版的重复率规范，各场所有细则——进组后按组规；
4. 署名规范：署名 = 实质贡献（构思/执行/写作），“挂名”与”漏掉实际贡献者”都是违规；作者顺序按领域惯例（ML 界多按贡献协商）+ 导师决定。

2. LLM 使用的红绿灯（2026 主流政策的共识版）

用途	判定	说明
代码辅助（补全/调试/解释）	🟢 普遍允许	前提：你能解释每一行并对其负责——审稿人问起不能答”AI 写的”
语言润色/翻译	🟢 多数允许	部分会议要求在 acknowledgement 或政策表里披露
文献综述起草	🟡 谨慎	AI 概括可以当线索，逐条核实原文后才可引用；禁止直接转述
把审稿内容/未发表稿件喂给 LLM	🔴 禁止	保密性违规——多数会议明文禁止（等于把别人的未发表工作交给第三方）
用 LLM 代写 review 意见	🔴 禁止	审稿是专业承诺，代写既不真实也违反责任
编造/篡改实验数据	🔴 永久红线	无论工具为何——撤稿+学术生涯终结级

实操守则：① 立一个”AI 使用记录”习惯（哪段用了什么工具——投稿政策表要填时 10 分钟搞定）；② 引用只引你读过原文的文献（6.1 的 Zotero 流程天然防幻觉）；③ 实验台账可追溯（2.10 的 csv）——被质疑时有完整证据链，这是你的”审计能力”。

3. 更宽的科研伦理（你的方向特有）

• 数据合规：爬取数据的版权与用途限制（8.7 的 datasheet 义务）、人像与隐私、文化敏感性素材的使用边界（8.1 §9 的在世艺术家问题）；
• 模型滥用面：你的研究可能被反向滥用（鉴别 AI 图的研究 vs 深伪制作；风格迁移 vs 伪作制造）——发表时写清用途限定与风险讨论已是顶会惯例（broader impact）；
• 利益冲突回避：审稿回避合作者/竞争者；引用自己人不能绕过独立评审；
• 对本笔记方法论的特别提示：本笔记由 AI 大量参与生成——你引用其中的说法去写作业/论文时，责任在你：关键论断回到原始论文核实（每一章的”延伸资源”就是为此设计的溯源路径）。

4. 灰色场景快判（自测即学习）

1. 用 GPT 起草 related work 段落，逐条改成自己的话引用 → 🟡 只要不引用没读过的文献、且观点组织是你自己的——接近 🟢，但建议披露；
2. 审稿期间把论文截图喂给 LLM 问”这方法哪有问题” → 🔴 保密违规，无争议；
3. 实验跑出来不显著，只报告显著的那组 → 🔴 选择性报告 = 软性造假（诚实报告负结果反而受尊重，6.2 的 refute 文化）；
4. 在 appendix 用 LLM 生成图表 caption 并披露 → 🟢 允许（按会议政策表）；
5. 用 AI 把中文初稿译成英文投稿 → 🟢/🟡 润色级允许；“初稿思想都是 AI 的”则触及代写——思想必须是你自己的。

5. 自测题

1. 幻觉引用为什么是 LLM 时代的高发事故？防线是什么？（AI 编造文献看起来完美；只引读过原文的——Zotero 流程防）
2. “把审稿内容喂给 LLM”违反的是什么原则？（保密性——未发表工作交给第三方）
3. 选择性报告显著结果为什么算软性造假？（破坏了实验矩阵的完整性——审稿人基于失真证据判断）
4. 署名的定义与两个违规方向？（实质贡献；挂名/漏掉贡献者）
5. 本笔记的特别提示是什么？（AI 生成内容的责任在使用者——关键论断回溯原始论文核实）

6. 动手作业

1. 查 3 个目标会议（如 CVPR/ACM MM/NeurIPS）的 LLM 使用政策页，做一张对照卡（允许/披露/禁止三栏）；
2. 在你的实验台账模板里加”AI 使用记录”列；
3. 挑战：写一篇 300 字的”个人科研诚信宣言”（你自己的红线清单）——进组第一天用得上。

7. 延伸资源

• ICLR/NeurIPS 官方 LLM 政策页——一手规范
• 《The Trustworthy Engineer》类学术职业指南——软技能面
• CRediT（贡献者角色分类）——署名的标准词汇表