标签
作者核查了自己之前关于NeurIPS 2026立场轨道决定和Pangram AI检测的帖子，纠正了早期错误，并提供了更新的基准测试和报告。
一个名为Academic-AI-Literature-Reviewer-Ollama的本地AI管道，能够生成完全引用APA 7格式的文献综述，其验证层通过将引文与源PDF匹配来防止引用伪造。
OpenAI 因据称利用学术研究人员的进展率先解决千禧年大奖 Navier-Stokes 问题而面临争议，该成就涉及大量计算，并引发学术伦理问题。
本文理论分析了重复改写如何使人工智能生成的文本与人类写作分布对齐，推导出收敛率，并探讨了对可靠的人工智能文本检测的影响。
本文提出了一个基准，用于将研究论文分类为良好（高被引）和不良（撤回）两类，仅使用标题和摘要的文本特征。通过SVM和神经网络等模型，准确率高达91.12%。
Ghent University在Nathan Cofnas举报Arday丑闻中的剽窃行为后将其停职，校长Petra De Sutter决定可能将其解雇。
本文评估了学术环境中的商业AI检测器，发现对AI辅助的人类写作存在高误报率，而通过人性化工具（humanizers）几乎可以完全规避检测，因此得出结论：检测分数不应作为不当行为的独立证据。
丹麦对高中生的书面作业引入强制口头答辩以应对AI作弊，同时建议进行屏幕监控和设置防火墙。教育团体对这些措施表示欢迎，但呼吁随着AI工具的发展寻求长期解决方案。
本文提出了一种零样本检测流水线，用于刻画AI生成诗歌中的人性化特征，旨在识别区分人类与机器诗歌的属性，并改进检测方法。
一位NeurIPS审稿人称遇到了一篇论文及其回复似乎完全由LLM生成，表达了沮丧并寻求如何评估此类投稿的建议。
本文研究了在教育场景中，LLMs在多大程度上能够检测自身生成的内容，发现检测准确率因任务类型而异，且对于简答题不可靠。
布朗大学教授强调了一张图表，这张图表显示了对学术作业中AI作弊的“警钟”，引发了对使用像GPT4All这样的工具监管写作任务的担忧，以及学校提供LLM接入网关的必要性。
一位布朗大学教授观察到，大多数学生很可能在开卷考试中用AI作弊，因为期末现场考试时分数差异明显。这一事件凸显了关于AI与学术诚信的持续争论。
布朗大学经济学教授Roberto Serrano在期中开卷考试出现创纪录高分后怀疑AI作弊，于是安排了线下期末考试；成绩暴跌50%，揭示了常春藤学生中普遍存在的AI辅助作弊现象。
布朗大学的Roberto Serrano教授在一次期中考试中发现至少50名学生利用AI作弊，引发了关于高等教育学术诚信的讨论。