academic-integrity

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。

讨论了使用LLM对现有论文进行重混以规避抄袭检测的新兴做法，并警告学术伦理的崩塌。

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。

据报道，医学生正在使用一种热门研究工具来炮制误导性研究，引发了对学术诚信和研究质量的担忧。

一名学生表达了自己的沮丧：完全由人撰写的论文被查重系统标记为AI生成，突显了当前学术环境中AI检测工具的缺陷。

一位法国物理学家兼媒体人物因抄袭调查被撤销博士学位。

这项研究论文表明，大型语言模型会产生相关的名字集合（例如，针对Claude的Elena Vasquez和Marcus Chen），这些名字会出现在独立生成的文档中，并揭示这些幽灵名字已渗透到Zenodo等学术仓库，有1,655条虚假记录生成了真实的DOI。

超过150位数学家签署了一份声明，警告政府不要高估AI能力，指出OpenAI等公司的夸大宣传，并呼吁在敏感领域对AI进行监管。

加州大学伯克利分校的一份报告显示，由于学生AI使用增多以及数学能力较弱，计算机科学课程的不及格率急剧上升。授课教师将此归因于学术不端和准备不足，不及格率远超院系常规标准。

NeurIPS 2026使用了专有AI文本检测器，以涉嫌违反AI政策为由直接拒绝论文，但未在目标分布上验证该检测器；随后同一检测器又将会议主席自己的论文标记为可能由AI撰写。

本文讨论了针对Arxiv提议的对提交包含LLM幻觉参考文献的论文的作者实施一年禁令所引发的惊人反对声浪，并重点介绍了学者们发人深省的回应。

arXiv宣布，对论文中包含未经核查的LLM生成错误（如虚假参考文献）的作者实施一年禁令，强调无论内容生成方式如何，作者均需对全部内容负责。

arXiv宣布一项新政策，对包含虚构参考文献的作者实施一年禁发，强调无论内容如何生成，作者均需对论文内容负全责。