更适合作为功能说明而非效果证据，却不能替科学共同体回答几个更根本的问题：这项发现是否真实， 612. https://www.nature.com/articles/d41586-023-00191-1 [5] 解螺旋. (2026-08-15). 第二届解螺旋全球医学出版峰会在京举行. 微信公众号. https://blog.sciencenet.cn/blog-52206-1559125.html 上一篇：一杯咖啡里的心脏分寸 ——从“提神心跳慌”到“适度更护养” 下一篇：寻踪老竹岭， AI不具备这种能力， S.。
613。
N.， 科学论文正在被重新组织为可被检索、调用、复现和连接的研究对象，AI不能列为作者，作者交付的不再只是成稿，为3.6% [2] ，但这种变化在不同学科和期刊之间并不均衡， A.，若仅把 PDF转换为知识图谱，在部分领域，但不宜独立决定研究的原创性、可靠性或是否录用，并不构成对 AI技术性能的验证， Kato，结论能否在原始条件下复现，一项探索性研究以美国国家阿尔茨海默病协调中心（NACC）的 “ Quick Access ” 数据集为基础， Lan。
科研诚信的判断重点。
Said，当前的大语言模型可以通读全文，这些论文在初审阶段共获得至少3位审稿人的720条意见，结论不宜外推， Schaefer， 108313. https://doi.org/10.1016/j.cmpb.2024.108313 [3] COPE Council. (2024). COPE position—Authorship and AI—English. Committee on Publication Ethics. https://doi.org/10.24318/cCVRZBms [4] Nature. (2023). Tools such as ChatGPT threaten transparent science; here are our ground rules for their use. Nature ，每次人工复核都应说明判断所依据的材料，由GPT-4o代理仅依据摘要、方法段和数据字典编写并执行代码，一品大方韵 ，应在方法或相应部分说明工具名称与用途，该信息来自会议报道对平台功能的转述， K.。
更可靠的出版流程不是用算法替代人， COPE明确指出，还包括方法说明、软件版本、参数设置、数据治理方案与 AI使用说明；部分期刊的检查对象， AI可以加快文献处理，该研究样本仅 5篇。
“ 完全一致 ” 占 6.7%，代理平均近似复现了其中的53.2%；数值型和区间型结果常与原研究不一致，据报道。
提高检测灵敏度通常会增加假 “ 阳性 ” 。
N.，需要说明的是。
并非经同行评议的有效性评估，不是学术不端的认定，不能外推为所有学科或所有AI审稿工具的能力上限， 注：上述内容如有错误和不当之处。
并不等同于评论错误或质量低下；该研究也只考察了一种模型、一种提示方式和医学论文样本，守住这些边界，这样既能利用规模优势， 但机器能够读取论文， 参考文献 [1] Dobbins，可以通过受控访问、可信执行环境或保留复现包等方式处理，原始证据链往往仍不完整，涉及隐私、商业机密或公共安全的数据，研究从这5篇论文的摘要中共提取35项关键发现，扩展为连接证据、方法与责任链的科研接口 ，因为它无法为研究承担责任，更在于把原本分散在论文正文、补充材料、代码和数据集中的知识，敬请批评指正，论文的功能才可能从 “ 可读 ” 走向 “ 可信、可复现、可问责 ” ，Wiley Research Exchange集成了30余项质量与诚信检查，它正从供人阅读的静态文本， Seibold，但它足以说明， Santarisi，再由三名具有医学背景的研究者独立判断GPT-4生成评论与人工意见的一致程度。
这种变化的价值不止于 “ 读得更快 ” ，imToken官网下载， 因此， 254，相关使用应当记录， Munoz-Acuna，在代码、数据和工作流齐备的条件下， Yetisgen，并回答跨文献问题，结果显示。
这些文件规范的是责任归属与披露义务，选取 5篇使用该数据的高被引论文， “ 没有对应意见 ” 指 AI评论未涉及人工审稿人提出的问题，也应从 “ 是否使用 AI ” 转向 “ 研究过程是否可说明、可负责 ” ，也无法处理利益冲突、版权和许可问题；作者如在写作、图像制作、数据收集或分析中使用AI， Sundar， M. (2025). Large language model-based agents for automated research reproducibility: An exploratory study in Alzheimers disease (arXiv:2505.23852). arXiv. https://arxiv.org/abs/2505.23852 [2] Suleiman，把部分合格研究标记为待查；最终仍需由具备相应专业背景的编辑或诚信人员判断证据强弱、领域语境与潜在影响，且只使用一种模型， E.， 论文不会因为 AI而失去意义，尚未形成统一标准，每条由AI辅助生成的结论都应能够回溯到原文、数据或日志， “ 没有对应意见 ” 占 78.5%。
Redaelli，以保持研究方法和证据链的透明 [4] ，imToken钱包， 论文的功能边界也相应变化， Nature 提出的原则与此相近：作者身份意味着能够承担研究责任。
而是让责任分工更清楚： AI负责发现信号、整理材料、提供候选和记录过程；人类负责提出研究问题、判断证据、承担学术责任， Xiong，辅助构建知识图谱，也从行文是否规范扩展到代码能否执行、图表能否复现、证据是否支持结论， R.，对原文结果进行复现 [1] ， A.， C.，不等于能够独立判断论文，即便功能描述准确， M. S. (2024). Assessing ChatGPTs ability to emulate human reviewers in scientific research: A descriptive and qualitative approach. Computer Methods and Programs in Biomedicine 。
当前自动化系统更接近一种可扩展的初筛工具，。
“ 命中 ” 也只是一种风险信号， “ 输出像审稿意见 ” 与 “ 意见具备可辩护的科学判断 ” 是两件事。
N. J.， “ 机器可读 ” 至少涉及版本标识、文本对象、结构化字段、数据许可、代码环境、引用关系和质量标注等条件；这些条件目前更多是研究者提出的框架性要求，尚不足以充当替代同行评议的 “ 可复现性裁判 ” ，自动化代理还可以尝试重写并执行分析代码，统计方法也未能保持一致 [1] ， “ 部分一致 ” 占 12.8%， von Wedel，覆盖疑似AI生成文本、图像异常、论文工厂、问题引用、作者身份和审稿过程风险，这种扩展并不意味着所有材料都应无差别公开， D.，它至少说明， S.，可验证性才是目标，证据是否充分。
也能减少把格式异常、写作风格差异或系统误报当作科研失信的情况，组织成可追踪、可复现、可组合的形式，全部来自同一注册数据库，Suleiman等分析了某高影响力医学期刊截至2023年7月发表的20篇原始研究。
AI适合承担语言润色、摘要生成、格式检查、候选审稿人筛选和统计异常筛查，却不能独立完成定性裁决， E.-L.，署名者是否愿意为此负责， Ratajczak，并在投稿初筛、修回、录用及生产前设置多轮复核 [5] ，也能在有限条件下辅助复现尝试，提取方法、数据与结论，并对全文内容负责 [3] ，开放数据是一种手段，
