分析 1400 万篇论文发现：“AI 味”非常浓，中国使用 LLM 比例高达 35%

文章来源： AI科技大本营

整理 | 王轶群

责编 | 唐小引

出品丨AI 科技大本营（ID：rgznai100）

近日，来自德国图宾根大学Hertie脑健康人工智能研究所、图宾根人工智能中心的研究团、美国西北大学的研究者发布了一篇名为《通过多余词汇探究学术写作中 ChatGPT 的使用》（Delving into ChatGPT usage in academic writing through excess vocabulary）的论文。

论文通过细致的语言分析提出了一个惊人的结论：ChatGPT 等大语言模型辅助写作对科学文献产生了的影响，甚至超过了 COVID-19 疫情对学术写作的影响。

论文“AI味”有点浓：2024至少10%的论文使用了LLM

自OpenAI在2022年11月发布ChatGPT以来，学术文献的写作风格“AI味”变得有点浓，尤其是2024年。

“我们仅分析了出版年份从2010年到2024年的论文，得到了14182520篇摘要供分析。”该论文将分析了 PubMed 图书馆中超过 1400 万篇2010至2024年生物医学摘要的语料库，跟踪了过去十年科学写作的变化。

研究者惊讶地发现，至少10%的2024年发布的研究论文在撰写过程中使用了大型语言模型（如ChatGPT）进行辅助。在某些特定领域和国家，这一比例更是高得惊人。

研究人员首先确定了2024年相比以往年份显著更频繁出现的词汇。这些词汇包括 ChatGPT 写作风格中典型的许多动词和形容词，比如 “深入挖掘”、“复杂”、“展示” 和 “突出” 等。

上图包含某些单词的 PubMed 摘要的频率。黑线显示从 2021-22 年到 2023-24 年的反事实推断。前六个单词受到 ChatGPT 的影响；后三个单词与影响科学写作的重大事件有关，并显示出来以供比较。（图片摘自原论文）

通过分析词汇使用频率的变化，研究人员注意到，自ChatGPT发布以来，许多特定的风格词汇，如“delves（钻研）”“showcasing（展示）”“underscores（强调）”等词汇的使用频率显著增加，这反映出科学家们在撰写论文时，越来越多地借助ChatGPT来润色和修改文本。

论文采集了3个真实的 2023 年摘要的示例，来说明了这种 ChatGPT 风格的摘要语言表达方式：

根据这些具备AI生成色彩的标志词，研究人员估计在2024年，AI 文本生成器影响了至少10% 的所有 PubMed 摘要。

有趣的是，论文中研究者以新冠病毒等词汇对学术论文的影响对AI生成的影响做了对比。

发现在某些情况下，ChatGPT等AI生成工具给学术文献写作带来的影响，甚至超过了 “Covid”、“流行病” 或 “埃博拉” 等词汇在其所处时期的影响。

研究者对2013 年至 2023 年的所有年份进行了相同的分析，发现诸如“冠状病毒”、“封锁”和“大流行”等词汇的使用量非常大，这与新冠疫情对生物医学出版产生前所未有的影响的观察结果一致。

研究者将2013至2024年的所有774个独特多余词注释为内容词（如mask或convolutional）和风格词（如intricate或notably）。新冠疫情期间的多余词汇几乎完全由内容词组成（例如breathing、remdesivir等），而 2024 年的多余词汇几乎完全由风格词组成。在 2024 年的所有 280 个多余风格词中，66% 是动词，18% 是形容词。相比之下，前几年的大多数多余词都是名词。如下图所示，ChatGPT的多余词使用量，远高于新冠等流行病毒的数量。

新冠疫情期间的多余词汇几乎完全由内容词组成（例如breathing、remdesivir等），而 2024 年的多余词汇几乎完全由风格词组成。在 2024 年的所有 280 个多余风格词中，66% 是动词，18% 是形容词。相比之下，前几年的大多数多余词都是名词。（图片摘自原论文）

IT 期刊里中国作者对LLM的使用比例高达35%

“我们估计，不同学术领域、所属国家和期刊的 LLM 使用率下限从 5% 以下到 30% 以上不等。这种差异可能与 LLM 采用率的实际差异相对应。例如，计算领域的 LLM 使用率下限较高（20%）可能是因为计算机科学研究人员更熟悉并愿意采用 LLM 技术。在非英语国家，LLM 可能确实可以帮助非母语人士编辑英语文本，这可以证明其广泛使用是合理的。最后，在审查流程加快和/或简化的期刊上发表文章的作者可能会争取 LLM 来撰写省力文章。”研究者在论文中写道。

在计算机科学和生物信息学等领域，大语言模型的使用率最高，其次为环境、医学、生物信息学、材料学。

（图片摘自原论文）

在非英语母语国家如中国、韩国等，大语言模型在学术论文写作中的使用率相对较高。研究人员发现，在中国和韩国等国家的 PubMed 子组中，大约有15% 的摘要是使用 ChatGPT 生成的。

而在英语母语国家如英国和新西兰的使用率则较低，在英国仅为3%。然而，这并不一定意味着英国作者使用 ChatGPT 较少。

事实上，根据研究人员的说法，实际上使用 AI 文本生成器的可能要高得多。

研究者认为：许多研究人员会编辑 AI 生成的文本，以删除典型的标志词。母语使用者在这方面可能具有优势，因为他们更有可能注意到这类短语。这使得确定受 AI 影响的摘要的真实比例变得困难。

在可测量的范围内，AI 的使用在期刊中特别高，比如在 Frontiers 和 MDPI 期刊中约为17%，在 IT 期刊中更是达到了20%。在 IT 期刊中，中国作者的比例最高，达到了35%。

在学术界高声望期刊如《自然》《科学》《细胞》等，LLMs使用率较低，而一些开放获取期刊如 Sensors、Cureus 的使用率则较高。

（图片摘自原论文）

LLM 真的可靠吗？研究者：需重估AI辅助论文写作的规则

科学家使用LLM辅助写作，是因为LLM可以提高文本的语法、修辞和整体可读性，帮助翻译成英文，并快速生成摘要。

然而，LLM 可能会捏造事实、强化偏见，甚至进行抄袭。

论文指出：“LLM因编造参考文献而臭名昭著, 提供不准确的总结，并做出看似权威、令人信服的虚假陈述。虽然研究人员可能会注意到并纠正LLM辅助的自己工作摘要中的事实错误，但发现LLM生成的文献综述或讨论部分中的错误可能更难。”

此外，LLM 还可以模仿训练数据中的偏差和其他缺陷，甚至是彻头彻尾的抄袭，这种同质化会降低科学写作的质量。该研究表明，尽管LLM存在以上种种限制，但 LLM 在学术写作中的使用率仍在上升。

学术界应该如何应对这一发展？一些人建议使用检索增强型 LLM，从可信来源提供可验证的事实或让用户向 LLM 提供所有相关事实，以保护科学文献免于积累细微的不准确性。其他人认为，对于某些任务，如同行评审，LLM并不适合，根本不应该使用。因此，出版商和资助机构出台了各种政策，禁止LLM参加同行评审, 作为合著者，或任何类型的未公开资源。

该论文注明：“我们没有使用 ChatGPT 或任何其他 LLM 来撰写手稿或进行数据分析。”

借助这一研究，研究者在论文中呼吁重新评估当前有关 LLM 用于学术的政策和法规：“LLM 的使用对科学写作的影响确实是前所未有的，甚至超过了新冠疫情引起的词汇量的剧烈变化。LLM 的使用可能伪装得很好，难以察觉，因此其采用的真实程度可能已经高于我们测量的范围。这一趋势要求重新评估当前有关 LLM 用于学术的政策和法规。”

研究者在论文结尾处写道：“我们希望未来的工作能够更细致地深入追踪 LLM 的使用情况，并评估哪些政策变化对于应对 LLM 在科学出版领域兴起所带来的复杂挑战至关重要。”