AI 正在进入论文写作的各个环节，学术出版机构也在逐步明确相关使用规范。

2026 年 8 月，全球学术出版商 Elsevier 更新了生成式 AI 使用政策，要求作者披露论文准备过程中 AI 工具的使用情况，并对最终内容负责；Springer Nature 的相关政策同样强调使用透明度和人工监督。

对于期刊而言，除了明确规则，还需要判断作者是否遵守了这些要求。Wiley 旗下的 Research Exchange 投稿筛查系统已引入机器生成内容检测工具，用于识别可能存在的未披露 AI 使用情况。不过，Wiley 明确提醒，检测工具存在误报风险，结果不应成为编辑作出决定的主要依据。

目前，现有的 AI 文本检测工具主要分析词语选择、句式结构等语言特征，判断文章是否由 AI 生成。但如果人类负责构思、AI 负责写作，或者 AI 提出想法、人类完成写作，仅凭文字特征就很难判断研究构思的来源。

近日，美国马里兰大学、Google DeepMind、加拿大西蒙弗雷泽大学等机构的研究人员在   arXiv   发布预印本论文 "IdeaLens: Detecting AI Ideas in Long-form Writing"，尝试解决这一问题。研究团队开发了一套名为 IdeaLens 的检测系统，不再直接分析文章的语言风格，而是将文章转换为内容大纲，尝试判断其中的想法思路来自人类还是 AI。

在一项模拟人机协作写作的实验中，当 AI 根据人类提供的完整大纲写作时，IdeaLens 将文章判定为 AI 的比例从 94.9% 降至 6.8%；而当人类根据 AI 生成的故事大纲重新写作时，IdeaLens 将 68% 的文章判定为 AI，传统检测器 Pangram 4 的这一比例只有 8%。

AI 文本检测公司 Pangram 的首席执行官 Max Spero 在接受   Science   采访时评价，这是一种全新的检测器，其方法具有创新性，也代表了该领域的一项进展。

目前，研究团队已公开了 IdeaLens 和对照模型 ProseLens 的训练数据及相关评测数据集，供其他研究人员进一步测试。研究人员也强调，IdeaLens 给出的是模型预测，并不能直接证明某个想法究竟由谁提出。

不分析语言风格，而是提取文章大纲

传统 AI 文本检测工具主要判断文章的文字由谁写出。IdeaLens 关注的则是另一个问题：文章表达了什么观点、使用了哪些证据，以及内容是如何组织起来的。

研究团队将这两个维度分别称为文字来源（prose provenance）和思想来源（idea provenance）。前者关注文字由谁写出，后者关注文章中的观点、事件和组织方式来自谁的构思。

为此，研究人员没有让模型直接阅读完整文章，而是先利用大语言模型提取内容大纲。大纲按照文章内容出现的顺序，记录每部分承担的作用，以及其中表达的具体内容。

例如，一篇新闻评论可能依次包含事件背景、核心观点、事实证据和最终评价。系统会识别这些部分的作用，并用简短文字概括相应内容。学术文章则可以按照研究问题、方法、结果和结论等内容进行整理。

研究人员还会在训练阶段对提取的大纲进行改写，尽可能去除原文的措辞，同时保留观点和内容结构。这样，模型就不必主要依赖原文的用词和句式来判断来源。

图 | 看想法是谁出的，检测得准不准（来源：上述论文）

训练 IdeaLens 的关键，则是用现有 AI 检测器提供的标签，训练一个只读取文章大纲的模型。

研究团队从 FineWeb 网页文本语料中筛选了约 100 万篇不少于 500 词的英文长文本，涵盖新闻、小说、学术文章、博客等八种文体，并将其整理为 WildOutlines 数据集。

由于缺少大规模、经过核实的思想来源标注，研究人员先使用现有检测器 Pangram 3.3.2 判断文章由人类还是 AI 撰写，再将检测结果作为训练标签。被判断为人机混合写作的文章则被排除。

接下来，研究团队使用大语言模型批量提取文章大纲，并对其进行改写。完成数据处理后，他们以英伟达 Nemotron-3.5-Lightning-30B-A3B 为基础模型，采用 LoRA 方法进行一轮微调。训练时，模型读取经过处理的大纲及其对应的标签，学习判断内容更接近人类还是 AI 的构思。

约 100 万篇文章中，约 84.2 万篇用于训练，约 3 万篇用于验证，约 8 万篇人类文章用于校准检测阈值，另外约 5 万篇用于测试。

为了比较大纲与原文两种输入方式的效果，研究人员还训练了一个名为 ProseLens 的对照模型。两个模型使用相同的基础模型、训练文章和标签，主要区别在于：IdeaLens 阅读文章大纲，ProseLens 直接阅读原文。

AI 构思、人类写作，检测器能识别吗？

为了测试 IdeaLens，研究团队设计了三组评测数据集 IdeaShift、TwiceTold、IdeaShift-X，分别测试人类构思、AI 写作，AI 构思、人类写作，以及跨语言场景下的检测效果。

第一组是 IdeaShift，模拟人类提出想法、AI 完成写作的过程。

研究人员选取了 500 篇文章，为每篇文章制作不同详细程度的写作提示，再让 AI 根据提示生成新文章。最初，AI 只能获得一个主题；随后，提示逐步增加文章观点、内容安排等信息，最终提供完整大纲，并要求 AI 严格按照大纲写作，不额外添加内容。

结果显示，当 AI 只获得简单主题时，IdeaLens 将 94.9% 的文章判定为 AI；当 AI 根据完整的人类大纲写作时，这一比例降至 6.8%。相比之下，ProseLens 和 Pangram 4 在最后一种情况下，仍分别将 86.5% 和 92.4% 的文章判定为 AI。

研究人员还让 AI 根据 AI 自己生成的大纲写作。无论大纲详细程度如何，IdeaLens 都将超过 96% 的文章判定为 AI 构思。

第二组是 TwiceTold，测试 AI 提出想法、人类完成写作的情况。

研究团队先让 GPT-5.6 Sol 生成 50 篇约 500 词的故事，再提取故事大纲，交给 17 名计算机科学领域的研究生或教师重新写作。参与者只能看到大纲，不能阅读 AI 生成的原始故事，因此需要自行完成文字表达，但故事的主要情节和内容安排来自 AI。

在这 50 篇人类写作的故事中，IdeaLens 将 68% 判定为 AI；Pangram 4 的这一比例为 8%，ProseLens 则没有将任何一篇判定为 AI。作为对照，研究人员也检测了 AI 生成的原始故事，IdeaLens 识别出了其中的 96%，ProseLens 和 Pangram 4 则均识别出了全部故事。

对于 IdeaLens 未能识别的 16 篇人类重写故事，研究团队发现，其中 12 篇包含推想或奇幻元素。部分参与者在遵循原有大纲的同时，增加了新的事件或世界观细节。

图 | 传统检测器仅能识别文字的作者，而 IdeaLens 可识别思想的来源（来源：上述论文）

第三组是 IdeaShift-X，研究模型能否跨越语言差异识别构思来源。

虽然 IdeaLens 只使用英文文章训练，但在检测其他语言的文章时，可以先将其转换为英文大纲，再交给模型判断。研究团队从 FineWeb2 中选取了 24 种语言的 1 万篇人类文章，并按照 IdeaShift 的方法生成对应的 AI 写作版本。

结果显示，对于只提供简单主题、由 AI 自行构思和写作的文章，IdeaLens 的识别率为 95.3%；而当 AI 严格按照完整的人类大纲写作时，被判定为 AI 的比例只有 0.7%。

除上述实验外，研究团队还在 19 组已有的 AI 检测评估中比较了不同工具的表现。对于构思和文字都来自 AI 的文章，IdeaLens 的平均识别率为 91.1%，误报率为 0.6%。ProseLens 的识别率为 98.9%，误报率为 0.7%；Pangram 4 的识别率为 97.3%，误报率为 0.3%。

在涉及 AI 润色、改写人类文章的 12 组评估中，IdeaLens 将 94.7% 的文章识别为人类构思，而 ProseLens 和 Pangram 4 的这一比例分别为 50.7% 和 43.8%。

图 |   IdeaLens 能识别 AI 文本中人类参与的多少，且对同一故事的人类版与 AI 版给出相近判断，这两点均优于传统检测器（来源：上述论文）

研究团队还分析了约 9 万条大纲内容，观察模型判断人类与 AI 构思时呈现出的内容特征。

分析发现，被 IdeaLens 判断为更接近 AI 写作的内容，往往包含适用于多个主题的笼统描述，或者引用数字、方法和事实，却缺少足够的信息供读者核查；部分内容还会提出超出证据支持范围的结论；被模型判断为更接近人类写作的内容，则更常包含具体、可核查的信息，也更可能讨论研究或观点的局限，以及尚未解决的问题。

对于这项研究，论文作者之一、美国马里兰大学计算机科学研究人员 Rishanth Rajendhran 在接受   Nature   采访时指出，AI 辅助撰写科学论文正逐渐被接受，但研究的核心想法是否出自研究人员本人，仍值得关注。

康奈尔理工学院计算机科学家 Nikhil Garg 则对 IdeaLens 的方法感到惊讶：仅凭文章大纲，模型就能在一定程度上识别 AI 生成的论证。不过，他也提醒，这种方法并非万无一失。如果检测对象与训练数据差异较大，模型的准确性可能受到影响；某种写作方式在一个领域可能被视为 AI 特征，在另一个领域却可能是人类写作的常态。

论文作者也在研究中列出了相关限制。

首先，IdeaLens 的训练标签由传统 AI 检测器提供，并不是对文章实际构思过程的直接记录；其次，TwiceTold 中只有 50 篇由人类根据 AI 大纲重新撰写的故事，实验规模仍然有限。

此外，现实中的人机协作往往更加复杂。人类可能先提出问题，再根据 AI 的建议修改研究方向，也可能与 AI 多轮讨论，共同形成最终的论文结构。IdeaLens 目前主要给出人类或 AI 两类判断，尚不能准确区分这种共同构思过程中各自的贡献。

参考链接：

1.https://www.science.org/content/article/did-ai-or-human-write-paper-new-detector-decides-examining-its-ideas

2.https://www.nature.com/articles/d41586-026-03247-0

3.Rajendhran, R. et al. Preprint at   arXiv   https://doi.org/10.48550/arXiv.2610.06778 ( 2026 ) .

运营 / 排版：何晨龙

注：封面 / 首图由 AI 辅助生成