高校如何规范论文使用AI？

本页是建设方法，不是法规

研究生院、学位办、本科生院、教务处和二级学院现在面对的问题，已经从“学生能不能接触生成式工具”变成“学校如何把使用边界写进可执行的学位过程”。本页给出一套可落地的制度框架：披露、禁用边界、核验、导师复核，并配上过程留痕、抽查和申诉。它服务的是校本细则怎么写、节点怎么设、平台怎么管，而不是替代任何主管部门文件。

本页也不把某一检测产品、某一模型或某一通过率写成管理结论。工具可以辅助发现风险，但不能代替导师判断，更不能代替学术组织对事实的认定。建设目标是让学生仍对论文负主体责任，让教师仍对指导质量负责，让学校能在抽查时看到过程，而不是把论文生产外包给模型。

规范是什么，不是什么

论文使用AI的规范，是一套把“辅助”和“代写”分开的学位质量管理方法。它要同时回答四个问题：学生用了什么、哪些事不能交给模型、生成内容如何核对到真实材料、导师在哪些节点必须亲自确认。缺任何一项，学校都只能在事后争论“像不像AI写的”，而无法管理过程。

它是什么

• 一份对学生、导师和教学管理人员都可读的使用细则，写清允许、限制和禁止。
• 一套随开题、中期、预答辩和送审归档的披露与核验材料。
• 一组不能跳过的导师复核节点：选题价值、方法、创新点、数据和终稿。
• 一条可抽查的过程时间线：提问、改稿、教师意见和版本都能回溯。

它不是什么

• 不是“发现学生用了AI就一律按学术不端处理”，也不是“全面开放后靠检测软件收场”。
• 不是把查重率、生成式筛查分数或模型对话轮数当成论文质量本身。
• 不是用平台自动生成学位论文、实验记录或参考文献清单。
• 不是用AI导师替代教师导师的学术判断、成绩评定和学位建议。

为什么现在必须把制度写清楚

生成式工具已经进入选题、文献阅读、提纲、翻译、代码解释和答辩准备。如果学校只发一条“严禁使用”而没有检查路径，真实情况往往是学生转到校外工具，过程不可见，导师更难判断哪些段落经过核验。如果学校只鼓励“积极探索”而没有禁用清单，则容易出现整章代写、伪造引用和编造数据。

学位质量真正怕的不是“用过工具”，而是贡献主体被模糊。论文里的研究问题、方法选择、实验或调研事实、核心论点和参考文献，必须能回到学生本人的阅读、操作和思考。导师如果只在终稿上看一遍生成文本，既无法指导，也无法在争议发生时说明自己做了什么。教学管理部门如果没有抽查样本和申诉通道，就只能依赖无法单独采信的检测报告。

因此，制度要服务三类真实业务：保护学生完成真实学术训练，保护导师把时间用在方法和创新判断上，保护学校在抽查、复议和外部核验时拿得出过程证据。这与安全与合规页强调的最小必要、可审计、人工复核是同一逻辑，只是论文场景还要叠加学位制度和学术规范。

制度四核：披露、禁用边界、核验、导师复核

四项制度必须写成可检查的动作，而不是原则口号。建议研究生院或教务处先发布一页纸对照表，再在平台或表格中变成提交项。导师培训应先于对学生全面开放校内工具。

披露：写清用了什么、用在哪里

披露的目的是让贡献主体可识别，不是增加一份形式签字。有效披露至少包括：工具名称与版本或访问日期、使用的章节或任务、具体用途、学生已完成的核验、明确未使用的范围。用途应落到可核对的动作，例如“整理已下载文献的题录”“对第三章英文摘要做语法修改”“提示开题报告缺少风险分析”，而不是“辅助写作”。

披露应随阶段更新。开题时用过的工具，不自动覆盖中期和终稿；终稿若增加了新工具或新章节，必须补记。学生签字确认后，导师应看到声明再签署复核意见。只在致谢里写一句“部分文字经智能工具润色”，通常不够支撑抽查。

禁用边界：先写不能做什么

禁用边界比“鼓励合理使用”更重要，因为它决定平台能不能上线、导师按什么口径退回稿件。校本细则至少应禁止：由模型代写核心论点与创新点表述；由模型生成或改写实验数据、调研结果、访谈记录和统计结论；由模型编造、补全或替换参考文献；把未核验的生成段落直接送审。对代码、图表、翻译和答辩稿，学校可按学科另设限制，但限制必须写明，不能只写“酌情”。

边界可以按成果形态差异化：文本论文、设计作品、实践报告、代码与音视频不必共用一张清单。差异化不是放松，而是避免工科代码解释、文科翻译润色、艺体作品说明被同一句话管死。无论怎样分类，代写核心贡献和伪造证据都应进入禁止区。

核验：生成内容必须回到真实材料

凡是进入论文的内容，学生都要能说明它来自何处。引用必须能打开原文并核对页码或段落；数据必须能对上实验记录、问卷、访谈或公开数据集；图表必须能说明数据来源和绘制步骤；方法部分必须能讲清为何选择该设计。AI给出的摘要、对比表或“可能的创新点”只能当草稿，未核验不得写入正文。

核验清单建议固定四类必查项：引用、数据、图表、创新点。导师或评阅人抽查时，应能要求学生当场指出原文位置或原始记录。说不清来源的段落，按未完成核验处理，而不是先看检测分数。

导师复核：没有教师节点就不能进入下一阶段

导师复核不是在系统里点一次“同意”。正式指导意见应覆盖选题是否值得做、方法是否站得住、数据或材料是否真实、创新点是否属于学生、终稿是否达到学位要求。AI可以汇总重复性意见，但教师必须可以采纳、改写或驳回，并留下理由。没有教师确认的稿件，不应进入开题答辩、中期检查、预审或送审。

复核还要防止“最后一周一次性生成”。过程时间线应对学生和导师同时可见。若平台或文件夹里只有终稿、没有阶段版本和意见，管理部门应把它视为过程缺失，而不是默认指导完成。

允许辅助与禁止代写

判断标准只有一条：模型有没有替代学生完成必须由其本人完成的学术贡献。文献线索、结构诊断和语言修改，通常不构成学位贡献本身；论点、证据和参考文献则构成。下表供学校改写成细则，不是统一禁令。

语言润色最容易被误用。如果学生提交的是自己写过、并能解释每段在论证什么的文稿，语法修改通常属于辅助。如果学生只提交几个关键词，要求模型扩写成“像论文的章节”，这就是代写，不论事后是否做了查重。参考文献同样不能“先生成再抽查几条”：未阅读、未打开、无法定位的条目，一律不得列入。

文献、结构、语言：可以怎么用

允许辅助不等于放任粘贴。学校应把三类常见用途写成操作说明，让学生知道交什么、导师看什么。

文献：检索和整理，不代替阅读

学生可以用工具在图书馆已购资源、开放获取和导师指定范围内缩小检索，整理作者、年份、问题和结论卡片，并标记自己尚未阅读的条目。卡片必须带来源。学生写入综述前，应打开原文核对话题、方法和限制，不能把模型转述当成引用。对无法获得全文的条目，只能保留待读，不得写成“已证明”。

结构：诊断目录，不生成论证

结构建议适合用在开题报告和分章提纲：研究问题是否出现在标题和摘要中，方法章是否对应问题，结果是否支撑讨论。AI可以列出缺失小节，但不能替学生决定理论框架，也不能把空章节填成完整论证。导师看结构反馈时，应要求学生用自己的话重述为什么这样安排，而不是只接受一份更整齐的目录。

语言：改已有文字，不写尚未想清的内容

语言辅助应绑定已有稿件版本。建议保留润色前后对照，至少对摘要、创新点和结论保留学生原稿。涉及学科术语、公式、法律或临床表述时，润色后必须由学生对照教材、标准和原始数据再确认。外文摘要若允许机助翻译，应交对照文本，避免中英文各说各话。

双师责任：AI导师与教师导师

双师不是两套成绩，而是一次分工：AI导师承担高频、可重复、可撤回的辅助；教师导师承担学术判断和正式意见。没有教师节点的“全自动指导”不能用于学位过程。学生始终是研究与写作的责任主体。

双师落地失败，常见原因是把对话轮数当成指导量，或让学生绕过教师直接提交终稿。验收时应能区分AI意见和教师意见，并看到教师驳回记录。指导质量看抽检和答辩表现，不看聊天次数。

校本制度怎么建：输入、角色、动作、输出

建议由研究生院或教务处牵头，学术委员会或学位评定分委员会审议，信息化和网络安全部门会签数据与日志范围，二级学院负责试点执行。导师培训完成前，不宜对学生全面开放校内生成能力。

1. 输入现行文件。收集学校学位授予实施办法、学术不端处理办法、本科毕业设计管理规定、实验室与调研伦理要求，以及上级主管部门和学会公开指南。输出差距表：哪些条款已覆盖AI，哪些还是空白。
2. 写出允许、限制、禁止清单。按本科毕业设计、硕士学位论文、实践成果分类。责任角色是学位办和学院教学副院长。输出一页纸学生须知和导师须知。
3. 固定披露模板。字段包括工具、版本或日期、章节、用途、核验动作、未使用声明、学生签字。输出可归档的声明文件，而不是自由文本致谢。
4. 固定核验清单。引用、数据、图表、创新点为必查。实验类增加原始记录；调研类增加知情同意和匿名化说明。输出学生自查表和导师抽查表。
5. 设置导师复核节点。至少覆盖选题、开题、方法或数据、预审/终稿。动作是教师确认、改写或退回。输出带时间戳的意见，而不是口头“看着行”。
6. 接通过程留痕。无论用校内平台还是受控文件夹，都要保存稿件版本、披露、提问摘要、教师意见。输出可按学号检索的过程包。
7. 发布抽查、处理和申诉口径。明确何种情况退回修改、何种情况提交学术组织认定，学生如何申请复核。输出案例口径，避免同一学院两种说法。

试点范围建议先选一个学院或专业、一类论文（例如本科毕业设计或专硕实践成果），跑完一届关键节点后再扩面。扩面条件不是“系统已经上线”，而是抽查时能看到披露、核验和教师确认，且没有把检测报告当成唯一处理依据。

过程留痕、抽查与申诉

留痕是为了让后来的人能看懂这篇论文是怎么完成的，不是为了监控学生每一句对话。学校应规定最小必要记录，并按安全与合规要求控制论文原稿、未发表数据和日志的访问范围。

过程留痕保留什么

• 阶段稿件版本：开题、中期、预审、送审，能看出修改轨迹。
• AI使用披露及更新记录，避免终稿才补写一份空声明。
• 学生核验记录：引用对照、数据来源、图表生成步骤。
• AI建议与教师正式意见的区分，以及教师驳回理由。
• 关键节点时间戳和操作主体，防止代操作或事后补录。

不必也不应把学生在校外工具中的全部聊天原文强制收齐——学校往往无权、也无法核验完整性。校本制度应要求：进入学位材料的内容必须能在校内过程中被解释和抽查；若学生使用校外工具，披露和核验责任更重，不能以“在外面用过、学校看不见”为由免除声明。

抽查怎么做

抽查应由研究生院、教务处或学院组织，按专业分层抽样，而不是只抽检测分数最高或最低的学生。抽查动作建议固定：打开披露声明，抽两处引用对原文，抽一处数据或调研材料，抽创新点让学生口头说明，核对该节点是否有导师确认。发现伪造引用、生成数据或整章无法解释，按学校学术不端或学位论文作假程序移送，而不是由系统自动定级。

申诉怎么走

学生对“疑似不当使用AI”的初步判断应有申辩机会。申诉材料包括过程版本、原始实验或调研记录、披露声明和导师意见。复核组织应重新核对事实，而不是复读同一份筛查报告。处理结果要书面告知依据和救济途径。没有申诉通道的检测治理，容易把工具误差直接变成处分，这正是本页明确反对的做法。

论文训练与科研AI4S不要混用

毕业论文、学位论文和实践成果，属于学术能力训练和学位质量过程。建设重点是披露、禁用边界、核验、导师复核、答辩训练和过程证据。对应产品与方法应看AI双师论文指导与学术能力提升平台，而不是按科研发文量验收。

科研AI4S服务的是课题组的数据空间、文献知识库、模型工具、实验验证和复现。科学判断仍由研究者负责，模型输出不能直接当作科研结论。建设方法见高校AI4S科学智能科研平台建设指南。教师自己的科研助手、实验数据抽取和论文知识库，与学生学位过程是两条线：前者强调授权、复现和伦理审查，后者强调学生主体责任和导师把关。

混用会造成两类错误。一是把科研平台的文献问答直接接到本科毕业设计，学生尚未阅读就生成综述。二是把论文训练平台的写作反馈当成“自动发现科学规律”。学校在立项和验收时应分开写场景、数据和责任人，避免一个招标包承诺两件不能互相替代的事。

数据、版权与安全边界

论文过程常包含未发表结果、问卷与访谈、患者或企业数据、学生个人信息。生成式工具默认只应使用授权范围内的最低必要内容。未发表章节、原始数据和身份信息，不应随意粘贴到校外通用模型。校内平台若承接论文过程，应能按学院、导师组和学生隔离，并留下访问与导出日志。更完整的控制项见安全与合规。

文献全文能否提供给模型，取决于订阅、版权和许可，而不是“学校买过数据库就可以任意喂给大模型”。过程知识库若沉淀优秀范例，须先获得学生和学校授权，并去除可识别信息。平台检查引用格式，不替代图书馆版权政策，也不替代学校正式查重程序。

交付物与验收

验收不要只看界面演示。建议用真实试点专业的脱敏样本走一遍：学生提交披露，对两处引用核到原文，教师驳回一次AI建议，管理部门按学号抽出过程包，申诉材料能回到原始记录。若这些动作做不到，平台或表格体系就还不能支撑学位过程。

采购参数应写场景、角色、节点、留痕范围、权限隔离、导出和退出，而不是写唯一品牌或无法验证的“智能指导水平”。效果类描述必须说明样本和局限。本页不提供、也不承诺任何检测准确率、一次通过率或质量提升幅度。

本文是面向高校的建设方法说明，不是部门规章、不是学校发文学位文件，也不是对具体案件的处理意见。涉及学位授予、学术不端认定和处分，一律以学校学位制度、学术委员会决定和最新学术规范为准。