academic-integrity

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。

普林斯顿大学教职员工投票决定要求现场考试进行监考，结束了长达133年的荣誉制度传统，并将人工智能和个人电子设备的普及列为作弊行为增加的主要因素。

本文介绍了MELD，这是一种用于AI生成文本的检测器，它通过使用辅助头进行多任务学习（涵盖生成器家族、攻击类型和源域）来提高鲁棒性。MELD在RAID基准测试中表现出色，并在对抗攻击下保持低误报率。

LLMSniffer是一个检测框架，通过监督对比学习微调GraphCodeBERT来区分AI生成的代码和人工编写的代码，在GPTSniffer和Whodunit基准测试上分别达到78%和94.65%的准确率。该方法通过结合代码结构感知嵌入、对比学习和注释移除预处理，解决了学术诚信和代码质量保证方面的关键挑战。

OpenAI发布了一份面向学生的指南，指导如何负责任地使用ChatGPT来提升写作和思维能力，同时保持学术诚信，强调AI使用的透明度和适当引用。