今天小红书有一条帖子在学术圈传得挺快：《怎么让文稿去AI味？指令调优会有反作用》。说的是PNAS上一篇研究，发现大模型越经过指令调优、越"听话"，写出来的东西反而越偏离人类的语言习惯，靠删几个高频词"去AI味"基本没用。
这条帖子之所以戳中人，是因为它背后站着一个更劲爆的事实：就在今年夏天，PNAS这本全球发文量最大、资历最老的综合性期刊之一，自己先被AI坑了——它撤回了建刊以来第一篇因为AI造假而被撤稿的文章。一边是期刊在密集发表"研究AI"的论文，一边是它自己被AI生成的内容绊了一跤。这个反差，值得每个在用AI写论文的人花三分钟看清楚。
一、撤稿事件：不是结论错了，是"查无此文"
2026年7月6日，PNAS正式发布撤稿声明，撤回一篇2025年9月29日在线发表的评论文章《Curiouser and curiouser: Meningeal lymphoid structures in the aging brain》（衰老大脑中的脑膜淋巴结构），作者来自以色列阿里埃勒大学。知乎
注意两个细节。第一，这不是一项大型实验研究，只是一篇观点性的评论文章——也就是说，再"轻"的文章类型，也逃不过核查。第二，撤稿原因不是结论有争议，而是两条都踩在AI上：
其一，参考文献造假。作者承认，他们用微软Copilot把引用文献的PubMed ID转换成格式化的参考文献列表。小红书这步操作本身甚至称得上高效，致命的是投稿前没有逐条核对，AI"脑补"出来的部分参考文献根本不存在。对学术出版来说，参考文献是论文的可追溯链条：引用指向不存在的论文，读者就永远无法验证你的结论从哪来。
其二，论文图1直接用生成式AI制作，违反了PNAS的明确规定——除非AI本身就是研究对象，否则不得使用图像生成工具制作科研图片。知乎
把两件事合起来，这个案子的性质很清楚：期刊罚的不是"用了AI"，而是"把内容交给AI之后就放弃了核实"。知乎上从7月初到8月中旬一直有人跟进讨论这件事，其中8月10日一篇文章的标题说得最直白：《不怕被坑，那就把所有工作都丢给AI就好了》。
二、同一本PNAS，还在密集给AI"判刑"
有意思的地方来了。就在撤稿的同时，PNAS近几个月发表的一系列研究，几乎条条都打在论文人的焦虑点上。
第一条是"AI味"研究，也就是今天刷屏这条。研究者分析了66类词汇、语法和修辞特征，让模型续写人类文本的前500个词，再拿人类真实写出的后500个词来对比。结果发现：Llama 3的指令调优版本，比同尺寸的基础版本更偏离人类的语言分布。小红书翻译一下：模型越被调教得"安全、清晰、听话"，它的腔调反而越固化。而且这种"AI味"不是几个"综上所述""值得注意的是"之类的高频词，而是一整套语法、句式、段落推进的习惯。所以指望拿一份"违禁词表"做全局替换来去AI味，大概率是自欺欺人——真正要去味，得自己动手改文章的结构和逻辑。
第二条，关于"人眼鉴定"靠不靠谱。PNAS此前发表过一项研究，让人们分辨论文摘要是不是AI写的，结果准确率只比瞎猜略好一点，而且"自信"和"准确"几乎不相关。这意味着两件事：别指望审稿人或检测工具替你兜底，也别以为自己"写得够像人"就一定安全。唯一可靠的兜底，永远是你自己核实过的事实。
第三条，直接推翻了一个流传很广的结论。此前有事件研究声称：采用大语言模型能让学者科研产出暴增36%。小红书今年发表在PNAS上的一篇论文（Renault、Bergeaud等）重新检查了方法论，发现这类研究把"第一次检测到AI辅助论文"当作"开始用AI"的时间点，本身就埋了雷——产出越高的月份越容易被检测到，处理时点和生产力天然挂钩。就算AI完全没起作用，数据也会机械地呈现出"用了AI之后产出上升"的曲线。他们用随机分配、安慰剂、无效应模拟反复验证，都能复现原论文的"上升"模式。结论并不是"AI没用"，而是：AI到底给科研提了多少效，这件事远没有很多摘要和媒体标题说得那么板上钉钉。
三、对真正写论文的人，边界到底在哪
把撤稿案例和PNAS自己的政策放在一起看，真正的红线其实就一句话：你可以用AI，但你要对论文里的每一个字负责。
拆成可执行的清单：
低风险区——可以用，但守两条规矩：
用AI做语言润色、翻译、格式整理、文献思路梳理，都没问题；
规矩一，按期刊要求披露AI使用情况；规矩二，提交前人必须完整过一遍，AI输出的每一个引用、每一个数字都要回溯到原始出处。
红线区——碰了就可能付出撤稿代价：
让AI生成参考文献然后直接用。这正是这次撤稿的直接原因；
用AI作图工具生成科研图片。PNAS对此是明文禁止，其他主流期刊也在跟进；
让AI自由发挥数据、引文和事实陈述。幻觉不会提前打招呼。知乎
花钱买"降AI率"服务。所谓用魔法打败魔法，本质是拿另一个AI对抗检测，属于学术不端，还可能泄露论文。小红书
还有一个容易被忽视的点：责任落在作者名单上，跑不掉。撤稿声明会白纸黑字写上所有作者的名字，不存在"是学生干的""是AI干的"这种豁免——哪怕导师一个字没写，作为通讯作者也要一起承担后果。
好消息是，这套规则不是PNAS独有的。Nature、Science和各大出版商这两年陆续更新的AI使用规范，底层逻辑完全一致：披露加人工负责。据本周社交平台上流传的帖子整理，这个月国内数百本科技期刊集体发出倡议：AI不能当作者，不能主导写作和修改。小红书知网也已下架部分把AI工具写进署名栏的论文，还有高校给毕业论文划出了AI率上限。把PNAS这次的红线搞明白，投别家也基本通用，这笔学习成本不白花。
四、接下来值得盯什么
期刊对已发表论文的回溯核查会不会加码。这次撤稿发生在论文上线10个月之后，说明"发表了就安全"的时代正在过去；
AI内容核查相关的研究进展。PNAS自己在持续发表这个方向的工作，判断会不断更新，比如这次"指令调优加重AI味"的发现，就推翻了很多人对"换个模型就能去味"的幻想；
国内高校和期刊的AI规则走向。毕业论文AI率怎么测、怎么卡线，期刊倡议会不会变成硬性条款，都还在演变中，提交前值得再看一眼最新通知；
自己学科的投稿须知。评论文章和实验论文的政策不同，不同期刊也不同，投稿前花两分钟读一遍官网作者指南，是性价比最高的一份保险。
最后送所有论文人一句话：AI可以替你打字，但不能替你负责。这个夏天，PNAS用自己的一篇撤稿论文，替所有人交了学费。
