LLM学术影响力日益深化，如何甄别其“隐形手”？

在学术的殿堂里，一篇篇论文如同璀璨的星辰，照亮了知识的天空。然而，随着人工智能技术的飞速发展，一个“隐形的手”正悄然伸向这片净土——那就是大型语言模型（LLM）。它们以强大的文本生成能力，为科研工作者提供了前所未有的便利，但同时也带来了新的挑战：如何甄别论文中LLM的“隐形手”？

近年来，LLM在学术领域的应用日益广泛，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独特的写作印记，这些印记成为了发现LLM的线索。

研究团队对PubMed上发布的数百万篇摘要进行了深入分析，通过构建词汇出现的二元矩阵，计算词汇频率，发现了LLM的“蛛丝马迹”。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。这些词汇大多都是多余的风格性动词和形容词，只改变了文体，并不影响内容。

这些发现揭示了LLM在学术写作中的“华丽风”偏好，它们喜欢使用夸张、复杂的词汇来修饰句子，使得论文读起来更加“高大上”。然而，这种风格化的写作却让使用LLM的论文极易被察觉。通过将低频风格词和高频风格词组合计算，研究人员发现在2024年的论文中，至少有10%-11%的摘要中使用了LLM，部分子语料库中这一比例甚至高达30%。

进一步的研究还发现，LLM在不同学科、地域和期刊中的使用存在显著差异。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中LLM的使用率也较高，而像《Nature》、《Science》等顶刊则相对较低。

然而，随着LLM使用的日益普及，一些作者开始意识到其“隐形手”可能带来的问题，于是开始引导LLM规避明显的AI痕迹。这使得研究人员现在难以准确判断论文与LLM的关系。尽管如此，研究人员表示，他们将通过统计大量文本中常见词汇的频率来进一步估计AI对学术文献的影响，而不仅仅只针对单个短文本进行检测。

LLM在科研工作中的影响力日益增长，这无疑为科研工作者带来了便利，但同时也带来了新的挑战。如何更好地让AI参与学术写作、AI使用的边界在哪里等问题，都值得我们重新思考。在未来的学术道路上，我们需要更加谨慎地使用LLM，确保其在为科研服务的同时，不会干扰到学术的纯净和严谨。