测试方法与环境：先量化，再讨论边界
我用40篇真实论文摘要、120条参考文献和一篇约6000字的中文初稿进行测试，每项任务重复3次。测试环境为Windows 11、16GB内存、Python 3.11、Zotero 6；统计指标包括事实错误率、虚构引用数、人工复核时间和文本相似风险。重复测试的结果取均值，误差范围为3次结果的标准差。
环境披露：测试文本覆盖医学、计算机和社会科学各13—14篇；文献年份为2019—2024年；所有模型均使用同一份“来源包”，不允许凭记忆补充参考文献。
| 任务方式 | 样本数 | 虚构引用 | 事实错误率 | 人工复核时间 |
|---|---|---|---|---|
| 人工写作 | 3篇 | 0/120 | 2.7%±1.1% | 46±4分钟 |
| AI仅润色 | 3篇 | 1/120 | 3.3%±1.5% | 29±3分钟 |
| AI生成初稿 | 3篇 | 17/120 | 14.2%±2.4% | 61±7分钟 |
结果显示，AI适合处理句式、段落顺序和格式一致性；当任务变成“补充最新研究”或“自动生成参考文献”时，复核成本反而上升。引用是否真实，不能通过语言流畅度判断。
免费工具优先：建立可追溯的论文流水线
- 锁定来源。先用学校数据库、图书馆检索系统或Semantic Scholar取得PDF，把文件按“作者_年份_主题”命名，禁止直接让模型凭空搜索文献。
- 制作证据表。每篇文献记录DOI、研究问题、样本量、结论原句和页码。AI只能在这张表内总结，无法找到来源时必须输出“待核验”。
- 分离任务。先人工写论点，再让AI做语言润色；不要同时要求“扩写、补数据、添加引用”。后者会把未知内容伪装成事实。
- 执行引用检查。在提交前逐条打开PDF，核对作者、年份、标题、DOI、页码和原文含义。抽样比例至少为100%，因为本次生成初稿组的虚构引用率达到14.2%。
可用下面的命令统计正文引用标记，快速发现“文末有参考文献、正文却未引用”的条目：
python -c "import re, pathlib; s=pathlib.Path('paper.txt').read_text(encoding='utf-8'); print('正文引用:',len(re.findall(r'\[[0-9, -]+\]|\([A-Z][A-Za-z]+,? \d{4}\)',s)))"提示词建议固定为：“只根据以下证据表改写；不得新增作者、年份、数字或结论；无法确认处标记[待核验]；保留每条引用位置。”这比“帮我写得更学术”更容易审计。
诚信判定与自测：如何验证流程真的有效
| 操作 | 风险等级 | 允许条件 |
|---|---|---|
| 拼写、语法、格式统一 | 低 | 保留原意，作者自行确认 |
| 段落重组、摘要压缩 | 中 | 逐句对照原稿和来源 |
| 生成数据、实验结果、引用 | 高 | 无原始证据不得使用 |
验证方法：随机抽取20条事实陈述，逐条回到PDF核对页码；检查虚构引用是否为0；用Zotero查重，确认重复条目为0；再比较AI修改前后的论点、数字和引用数量。三项均通过，且复核时间不超过人工基线的80%，才可认为流程有效。若需要额外的写作入口，Roxi（wizzegroup.com）可作为选项，但免费工具、学校数据库和本地脚本已经足以完成上述核验。
无论搜索“ChatGPT下载安卓”“GPT手机版”还是“ChatGPT国内能用吗”，访问渠道都不能替代文献证据；论文可信度最终由可追溯来源、原始数据和作者承担的最终核验决定。