arXiv上三成新论文被检出AI写作痕迹，计算机科学领域最高

一项覆盖12750篇arXiv论文的检测研究显示，截至2026年7月，约有32%的新投稿文本特征与AI撰写一致。这一比例来自全文级别的统计，而不是抽样问卷或自我申报。

时间线上，这一比例在2026年初一度冲到接近39%的峰值，随后小幅回落。研究者把波动和论文截稿季、大模型用户激增的节奏联系在一起。学科差异同样明显：计算机科学领域最高，约65%被判定带有AI写作特征；数学领域最低，仅0.7%。

检测器到底怎么识别

这类工具主要从词频分布、句式结构、低频词偏好和段落节奏等维度，提取一段文本的"统计指纹"。AI生成的文字在用词均匀度和句式重复度上，往往和人类写作存在系统性差异。

更关键的是检测器的灵敏度：在0.4%的极低假阳性率下，仍能识别约85%的AI撰写文本。文本越长，统计特征越稳定，准确率越高——这意味着整段直接粘贴模型输出的内容，最容易被打标。

对学术圈和写作者的真正影响

影响最直接的是投稿环节。期刊、会议和审稿人开始批量引入这类检测工具，AI辅助润色但未声明的论文更容易被打标。这不是单家期刊的临时动作，而是整个学术出版链条的连锁反应。

对研究生和青年学者来说，这是一个需要正视的信号：把整段丢给模型再粘回来，已经不再是"没人会查"的事；但完全不用AI辅助又不现实。企业研发部门同样会被反向影响——内部技术文档、白皮书甚至专利说明书的AI含量评估，可能都会沿用类似方法。

中文用户该注意什么

对于习惯用AI辅助写作的中文用户，重点不是"如何绕过检测"，而是建立合理的辅助边界：查资料、整理结构、润色语句可以交给模型，但核心论证、原创观点和关键数据必须由人来完成。中文学术写作和英文论文句法习惯不同，AI生成的英文段落一旦被识别，作者的署名身份和学术声誉都会被反复审视。

后续值得观察的几件事

接下来值得跟踪的几个问题：一是检测器能不能跟上模型的快速迭代，新一代模型的"人味"会越来越重；二是各大学术会议会不会正式公布AI使用规范；三是arXiv这类预印本平台会不会引入上传前检测机制。三件事中任何一个落地，都会重新定义学术写作的工作流。