负责任地使用 AI 总结研究论文

面对一大摞论文时，AI 摘要确实能节省不少时间。但它也可能悄无声息地把错误带进你的笔记、你的文献综述，最终带进你自己发表的成果里。这两种结果之间的差别，不在于你用的是哪款工具，而在于你使用它时的习惯。

本文整理了 POMODIARY 团队自己遵循、也推荐给大家的做法：可能会出什么问题、如何核实、如何引用、如何写提示词，以及如何处理保密材料和学术诚信规范。

可能出现的问题

大语言模型生成的是流畅的文本，是在给定输入下统计上最可能出现的文字。大多数时候，它对你提供的论文所做的摘要大体准确。但失误往往有特定的类型，值得逐一认清。

捏造或歪曲的细节

最常见的问题，并不是摘要完全错误，而是大部分正确、却夹着一个错误的细节：样本量差了一个数量级；论文明明报告某个效应不显著，摘要却说它显著；数据集的名字看似合理，实则不对。由于周围的文字都是正确的，这类错误很容易被忽略。

虚构的引文

当你让模型提供相关研究或参考来源时，它可能会给出看起来很真实（作者、年份、期刊、标题一应俱全）却根本不存在的文献，或者文献确实存在，但内容并不是模型所说的那样。凡是你没有亲自打开看过的文献，绝不要加进参考文献列表。

夸大的结论

论文的措辞往往非常审慎：“与……相关”“在本样本中”“提示”。摘要却倾向于去掉这些限定，把相关性变成因果关系，把初步结果变成确定的发现。而这些限定词，往往是论文中在科学上最重要的字眼。

缺失的背景

摘要可能会遗漏局限性部分，遗漏结果只在某个亚组中成立这一事实，或者遗漏这篇论文是尚未经过同行评审的预印本。“缺失”很难被察觉，因为你看不到不存在的东西。

只读了一部分

有些工具会把长篇 PDF 分块处理，表格、图、公式和附录可能读得很差，甚至完全没读。如果关键结果在一张表格里，摘要转述的可能只是表格周围的文字。

一套核实流程

把每一份 AI 摘要都当作一组有待核实的论断，而不是一组事实。一套实用的流程如下：

先自己读摘要（abstract）。 只需两分钟，却能给你一个用来对照 AI 摘要的基准。
不只要答案，还要出处。 在提示词中要求它给出每条论断所在的章节、页码或表格，然后亲自去查看。
核对每一个数字。 样本量、效应量、百分比、p 值和日期，只有在你亲眼在 PDF 里看到之后，才能写进笔记。
核对论断的方向和强度。 把摘要中的动词和论文中的动词对照一下。“可能降低”是不是变成了“降低”？
读一读局限性那一段。 如果摘要完全没提到任何局限性，这本身就说明有内容被漏掉了。
在笔记中做标记。 区分“已在 PDF 中核实”和“来自 AI 摘要，未核实”。笔记里一个简单的标签，就能避免你轻信自己过去图省事留下的内容。

论断类型	不核实的风险	在哪里核实
数字和统计数据	高	结果部分、表格
因果性表述	高	讨论部分、摘要措辞
方法细节	中	方法部分
相关研究和引文	高	参考文献列表，再查阅被引论文
总体主题和研究动机	低	引言

正确引用

规则很简单：引用论文，永远不要引用摘要。如果你文章中的某个论断依赖于某篇论文，你就应该读过那篇论文的相关部分。

引用你读过的那个版本。 预印本和正式发表的版本可能有所不同，有时差别还很大。记下你用的是哪一个。
从原文中引用。 如果要直接引用，请从 PDF 中复制，而不是从 AI 的转述中复制；如果你所遵循的格式规范有要求，还要注明页码。
不要“转手洗白”二手论断。 如果论文 A 说论文 B 发现了某件事，而你想使用这一发现，就去读论文 B。
遵守你所在领域关于 AI 使用披露的规定。 如今许多期刊、会议和高校都对是否需要、以及如何披露 AI 辅助作出了规定。务必查看清楚，这些规定各不相同，而且会不断变化。

好用的提示词

含糊的提示词，只会换来含糊却自信满满的摘要。具体的提示词，才能换来可以核实的回答。以下是我们觉得好用的几种写法：

“列出这篇论文的主要论断。对每一条，给出支持它的章节或表格。”
“样本或数据集是什么，规模有多大，是如何选取的？引用原文中说明这一点的句子。”
“作者自己陈述了哪些局限性？请引用原文。”
“主要的比较对象或基线是什么，报告的差异是多少？”
“用更简单的语言解释这一段，不要添加段落中没有的信息。”
“摘要中的哪些论断没有直接得到图或表的支持？”

要求它给出原文引用尤其有效，因为引文可以在 PDF 中快速搜索验证。如果找不到被引用的那句话，你就发现了一处幻觉。

应当避免的提示词：“这篇论文好不好？”和“总结一下关于 X 的文献。”前者是在诱导它给出一个你无从查证依据的观点；后者则是在诱导它虚构参考文献。

隐私与未发表的稿件

并不是每份文档你都有权上传。在把任何 PDF 放进 AI 工具之前，先问问自己：它属于谁，对方同意了什么。

同行评审： 送审的稿件是保密的。许多出版方和资助机构都限制甚至禁止把它们上传到 AI 工具。动手之前，先读一读审稿人须知。
合作者的草稿： 上传合著者未发表的成果之前，要先获得对方的明确同意。
敏感数据： 包含患者、受试者或专有数据的论文或附录，可能受到伦理审批、合同或法律的约束。
了解工具的数据政策： 查看上传的内容是否会被存储、存储多久，以及是否会被用于训练模型。如果查不到，就把这个工具当作公开场合来对待。

拿不准的时候，只使用已发表的版本，或者使用你自己的笔记，而不是稿件本身。

学术诚信

用 AI 来帮助理解论文，这一点被广泛接受。但用它生成内容，再当作你自己的理解提交出去，可能就不被允许了，具体取决于你所在的机构。以下几条原则在大多数场合都适用：

你的分析必须出自你自己。 文献综述之所以有价值，是因为它体现了你对哪些研究重要、为什么重要的判断。AI 摘要无法替你做出这种判断。
按要求进行披露。 遵守课程、机构和出版方关于 AI 使用的规定；规定不明确时，就去问。
不要把 AI 摘要直接粘贴进提交的作品。 除了诚信问题之外，它们还会包含上文提到的那些错误。
保留过程记录。 把你自己的阅读和 AI 的输出区分开来的笔记，能让你在被问到时轻松展示自己的工作过程。

AI 摘要真正有用的地方

这一切并不意味着要避开 AI。用得好，它能让你读得更广、更快：

发现： 快速浏览大量新论文，决定哪些值得花时间细读。
入门： 在阅读某个陌生子领域的核心论文之前，先熟悉它的术语。
解惑： 拆解一段艰深的文字或一种陌生的方法。
语言辅助： 用母语对照阅读原文段落。

这正是我们设计 ChatPaper.AI 时为它设定的角色。它每天推送五篇通俗易懂的论文摘要，作为发现新论文的入口；它的工作区和“选中即问”功能，则能帮你弄懂某一段具体的内容。而最后一步——到论文本身去核实论断——永远需要你自己完成。如果你想要一套有条理的核实方法，可以参阅我们另一篇关于用“三遍阅读法”读研究论文的指南。

简短清单

在 AI 摘要中的任何内容进入你的文章之前，确认：

我已经在原始论文中看到了这一论断。
我已经对照 PDF 核对了每一个数字。
论断的强度与论文的措辞一致。
我引用的是我实际读过的版本。
我有权上传这份文档。
我已经遵守了适用于我的 AI 使用披露规定。

六项检查，每篇论文只需几分钟，AI 就能成为你的阅读助手，而不是悄悄制造错误的源头。