AI 写论文靠谱吗？各环节能做什么、不能做什么

先给结论：AI 在论文的检索、整理、润色、格式这几类工作上确实能大幅提效，但在数据分析、创新观点、事实准确性上不可依赖。 分清这条界线，比纠结"能不能用"更实际。

下面按论文推进的八个环节逐一说明。

一、选题：可用度高

AI 适合用来发散方向和收窄范围。给它你的专业和大致兴趣，让它给出十几个候选题目，再让它评估每个题目的数据可得性——这一步能省下大量时间。

但要自己把关的是可行性。 AI 不知道你能拿到什么数据、你们学校对题目类型有什么偏好、你导师的研究方向是什么。它给出的题目里，"XX 行业数字化转型对企业绩效的影响研究"这类看着漂亮但需要上市公司面板数据的，本科阶段基本做不了。

二、文献检索：分工具差异极大

这是风险最集中的一环。 通用大模型（ChatGPT、豆包、Kimi 这类）在被要求"列出 20 篇相关文献"时，会生成格式完整、作者刊名年份俱全、但实际并不存在的条目。这不是偶发失误，是生成式模型的固有特性——它在补全最像文献的字符串，而不是在查数据库。

判断方法很简单：拿到任何 AI 给的文献，去知网或 Google 学术搜一下标题。 搜不到的直接删掉。

接了真实数据库检索的工具则是另一回事，它们返回的是数据库里的真实记录。使用时看一个特征：能不能给出可点击的原文链接或 DOI。给不出的，多半是生成的。

三、综述成文：可用，但要自己搭骨架

把真实文献喂给 AI，让它归纳整理，这个用法是成立的。但要注意 AI 天然倾向于"平铺罗列"——一条接一条写"张三（2020）认为……李四（2021）指出……"，正是导师最常打回的写法。

有效的做法是自己先定分组逻辑（按观点分、按方法分、按时间演进分），再让 AI 按你的框架填充。骨架必须是你的。

四、正文写作：结构可用，内容要核

绪论、研究背景、理论基础这类不依赖你自己数据的章节，AI 写出来的可用度较高。

实证分析章节是分水岭。 AI 没有你的问卷数据、访谈记录、实验结果，它写出来的所有数字都是编的。这部分必须自己写，或者把真实数据交给工具让它按数据来写——两者的区别是"数据从哪来"。

五、数据分析：不可依赖

AI 可以教你 SPSS 怎么操作、解释某个统计量的含义，这些都很有用。但不要让它替你"生成"分析结果。答辩时评委问"你这个 0.783 的信度系数是怎么算出来的""原始数据能给我看看吗"，拿不出来就很被动。

六、降 AI 率与查重：注意别改坏

改写工具能降低检测率，但改写过程中最容易被改坏的是数值、百分比、引用标注、受访者编号、图表编号。改完必须逐项核对这些硬信息是否与原文一致。特别是实证章节，第 4 章写"273 份"、第 6 章变成"273 名"这类前后不一致，答辩时被问到很难解释。

七、格式排版：可用度最高

这是 AI 与自动化工具最擅长的一类——规则明确、判断标准客观。参考文献格式转换、三线表制作、分节页码设置、目录生成，都能自动完成且不涉及内容真实性风险。

八、答辩准备：可用

让 AI 扮演评委提问、生成可能的问题清单，是个很实用的用法。但回答必须自己准备——你要能解释自己论文里的每一个数字和判断。

合规使用的三条底线

第一，事实自己核。 文献、数据、政策文号、法条引用，凡是可核查的信息，都要自己验证一遍。

第二，核心论证自己做。 研究问题、分析框架、结论判断，这些是论文的价值所在，也是答辩要考的东西。

第三，先查本校规定。 各校对 AI 使用的态度差异很大：有的明确允许辅助但要求声明，有的设了 AIGC 检测率上限，有的暂未表态。以本校教务处或研究生院下发的通知为准，不要参照网上流传的说法。