AI写作痕迹渐显：生物医学论文中的LLM“印记”

在科技飞速发展的今天，人工智能（AI）正以前所未有的速度渗透到各个领域，学术写作也不例外。然而，随着AI在论文写作中的广泛应用，一些“不速之客”也开始悄然潜入，它们就是大型语言模型（LLM）留下的独特写作“印记”。

最近，《自然》杂志的一篇报道揭示了这一现象。研究团队在分析了2024年PubMed上发表的150万篇生物医学研究摘要后，发现其中超过20万篇都频繁出现了LLM的特征词。这些词汇，如“unparalleled”、“invaluable”、“heighten”等，大多只是改变了文章的文体风格，而并未对内容产生实质性影响。但正是这些看似无关紧要的词汇，却成为了揭示LLM参与论文写作的“蛛丝马迹”。

自从ChatGPT等LLM首次实现在学术领域生成接近人类水平的文本以来，许多作者开始将LLM融入日常写作，甚至与其合作撰写论文。然而，这种合作并非总是那么隐秘。和人类作者一样，LLM也喜欢在论文中留下自己的独特印记。研究团队通过构建词汇出现的二元矩阵，计算每年词汇频率，并将实际频率与预期频率的差值和比值作为衡量超额使用的指标，从而发现了LLM的这些“小动作”。

实验结果显示，在2024年以前，类似“coronavirus”的名词被超额使用；而到了2024年之后，则以“intricate”、“notably”等与研究内容无关的风格词为主。这些词汇中，66%是动词，如“delving”、“emphasizing”，16%为形容词，如“crucial”、“pivotal”。这些词汇的频繁出现，让使用LLM的论文极易被察觉。

进一步的研究还发现，在不同学科、地域和期刊中，LLM的使用也存在显著差异。在计算领域、生物信息学等学科中，由于行业技术日新月异，研究者需要迅速掌握新技术，因此更依赖LLM协助，约占20%。而在中国、韩国等非英语国家中，由于需要LLM辅助英语写作，LLM使用率可达15%。相比之下，像英国、澳大利亚等英语国家的LLM使用率则相对较低。此外，一些低门槛的开放获取期刊，如MDPI旗下的《Sensors》，LLM使用率可达24%，而像《Nature》、《Science》等顶刊只有6%到8%。

然而，随着LLM在学术写作中的日益普及，一些问题也逐渐浮现。例如，如何准确量化LLM在学术论文中的占比？如何更好地让AI参与学术写作？AI使用的边界在哪里？这些问题都值得我们重新思考。

值得注意的是，一些作者已经开始注意到LLM留下的这些“印记”，并尝试通过特定提示词来修改文本，以规避明显的AI痕迹。然而，这种人为干预虽然可以在一定程度上调整输出，但无法完全消除LLM的影响。因此，未来我们需要更加深入地研究LLM在学术写作中的作用，以及如何更好地利用这一技术为学术研究服务。

简而言之，LLM在科研工作中的影响力日益增长，但同时也带来了一系列挑战和问题。我们需要以更加开放和包容的心态面对这一技术变革，同时也要保持警惕和审慎，确保学术研究的真实性和可靠性。