一条11月8日出现在社交平台上的帖子，把"AI率"三个字钉在了数学界金字塔尖的人身上。据该帖描述，1978年菲尔兹奖得主、普林斯顿大学数学家Charles Fefferman（查尔斯·费弗曼）与著名数学家Svitlana Mayboroda最近合作的一篇论文（arXiv:2611.07694）在文中承认，使用了AI辅助"部分写作"和数学工具的选择；而随后AI检测工具给出的结果更抢眼：论文75%的文本窗口被判定疑似AI生成。该帖同时提到，另一篇由Mayboroda参与、明确声明"文字由作者亲自撰写"的论文（arXiv:2611.07121），检测值反而高达87%；发帖人的质问指向的不是AI，而是身份——“如果是年轻数学家受到这样的质疑，恐怕早已面临巨大的学术声誉压力。”小红书
先把结论说清楚：这场争议里最可疑的不是那篇论文，而是"AI率"这个分数本身。 论文主动披露AI使用边界，恰恰是当下科研诚信规范鼓励的行为；用一台误判记录遍布各大平台、且被研究者自己承认"看不懂数学论文"的检测器给论文定罪，才是这场风波真正暴露的问题。学术诚信面前身份不该有特权，但同样，一个无法复核的数字也不该成为指控的证据。
被质疑的人，是数学界的绝对顶尖
事件的核验价值，一部分来自"菲奖得主"这个身份的分量。费弗曼1949年出生，12岁学完微积分，20岁拿到普林斯顿博士学位，22岁晋升芝加哥大学正教授，29岁获菲尔兹奖，长期任教于普林斯顿。而"菲奖"即菲尔兹奖，今年对中国读者格外熟悉：7月23日国际数学家大会开幕式上，国际数学联盟正式公布第二十一届得主名单，王虹、邓煜两位中国籍数学家双双获奖，实现了历史性突破。哔哩哔哩微博
需要如实交代的是：75%、87%这两个具体检测值，目前仅来自小红书等平台网帖的转述，尚无独立媒体核验其检测过程，论文的具体内容与致谢原文也未被逐一查证。有用户自称实测该检测工具"准确率相对比较高"，但这只属于个人经验，不构成可复核的证据。把这条边界划清楚，恰恰是阅读本事件应有的姿势——对待检测分数的态度，不应比对一位菲尔兹奖得主的信任门槛更低。
"AI率"这个工具，在数学论文面前最失灵
关于AI检测的可靠性，过去一年半已经积累了相当扎实的公开证据。一项名为unslop的检测研究扫描了上万篇arXiv论文：过去一年里，计算机科学领域65%的新论文被它的检测器标了红，而对照组——ChatGPT问世前的论文——标记率只有0.4%。研究团队在报告里的坦白，对本案最致命：数学是十个学科里标记率垫底的一个，仅0.7%——这个0.7%目前说明不了什么，可能是数学家真不怎么用AI，也可能是检测器根本看不懂数学论文；检测器只认句式和用词，所谓65%是"论文闻起来像AI"，不是"论文是AI写的"；还有研究者把自己在ChatGPT出现前写的旧论文扔回去，仍有27%到74%的内容被标红。不是学者写得像AI，是AI生来就写得像学者。36氪
国内媒体对AI率的实测同样直接。第一财经2026年6月的调查中，记者让DeepSeek随机生成一篇100%由AI写成的千字文章送去检测：知网判定AI率0%，维普判定55.71%；一位医学研究生完全原创的实验部分被标为"AI特征显著"，反复付费检测花掉780元才勉强达标；多所高校对本科毕业论文的AI率警戒线设在20%—40%之间，研究生更严。更极端的注脚来自更早的媒体批量实测：《滕王阁序》被测出AI率100%，同一批测试里《荷塘月色》是62.88%。把这些摆在一起，给费弗曼论文的75%与给"手写声明"论文的87%同场出现，恰恰说明这种分数在数学论文上的任意性远大于指向性。第一财经哔哩哔哩
这篇论文真正值得注意的地方：它披露了
抛开分数，这次事件里其实藏着一个正向信号——那篇论文在文中把AI做了什么说清楚了：辅助"部分写作"、参与数学工具的选择，都写在了明处。这正是目前各主要学术出版机构和高校诚信指南共同收敛的方向：使用AI本身不等于学术不端，不披露、把AI产出伪装成纯粹的人类工作才是问题。小红书
对照之下，争议中"双重标准"的指控才有真正的落点：同样的报告落在一名学生头上，可能是调查、延毕甚至处分的起点；落在菲尔兹奖得主头上，目前只成了一则八卦。问题不是"地位高的人该被豁免"，而是处理质疑应当走同一套程序，且这套程序的标准不能是一个无法复核的黑箱数字。围绕AI率的灰色生意也在放大这种失衡：检测平台判定依据从不公开，学生形容像"开盲盒"；维普、万方一边卖检测服务，一边提供10元/千字的"降AI率"服务，被从业者直言"既当裁判员又当运动员"，黑猫投诉平台上涉及AIGC检测的投诉已有几十条。第一财经
把它放回2026：数学家和AI公司吵了一年，吵的从来不是"谁写的"
这场论文风波不是孤立事件，它踩在一条延续了一年多的冲突线上。9月8日，OpenAI宣布其内部模型解决了纳维–斯托克斯方程千禧年难题；9月11日，克雷数学研究所发布官方声明，称这个问题"apparently been settled"（显然已被解决），同时强调验证流程"deliberately unhurried"（故意不赶进度）。9月中旬，据多个平台网帖披露，陶哲轩、彼得·舒尔茨、邓煜等25位菲尔兹奖得主联名发布声明，批评AI公司把数学难题当作模型竞速的竞技场，正在侵蚀数学研究本身。10月6日，OpenAI在GitHub一次性放出数百份AI生成的数学手稿，公开目录先列722篇，第二天就因符号错误撤回3篇、剩719篇，归为372个成果族。微博小红书微博
而事件在数学家那边的回响同样剧烈：2022年菲尔兹奖得主Duminil-Copin在法国数学会的线上讲座上说，自己"周二晚上哭了，把女儿都吵醒了"——他列出的16道题被机器一道不剩地做完了。顶尖数学家们的诉求其实出奇一致：陶哲轩公开泼冷水说，AI对数学难题的成功率只有5%—6%，还有95%是它解决不了的；1998年菲尔兹奖得主博切兹（Richard Borcherds）则干脆不再按答案正确性批改学生作业——他分不清哪些是AI写的。看懂这条背景线，就能看懂费弗曼风波的结构：AI的能力线（从解题一路延伸到写论文）和诚信工具线（AI率检测），在2026年11月初于同一位顶尖数学家身上交汇。数学家群体一年来的抗议针对的是前者——答案的生产不再等于理解的产生；公众这次围观的却是后者——一把本身还没校准好的尺子。哔哩哔哩微博小红书
怎么看：三个比"75%"更值得追问的问题
下次再遇到"某某论文AI率X%“的爆料，可以先做三件事。第一，查论文有没有披露AI使用、披露到什么颗粒度——披露是文字可查、可复核的，分数背后则是黑箱算法。第二，追问这个分数的来源和口径：谁家的检测器、以什么文本窗口计算、换个平台重测差多少——同一篇论文在不同平台相差几十个百分点，已是反复出现的实测结果。第三，区分"AI味"和"AI写”：检测器的本质是风格分类器，句式越工整、措辞越规范的人类学术文本越容易被误伤，而数学论文恰好是全学科里人和机器最难被检测器分开的地方。
至于"菲奖得主论文AI率被质疑"本身，它最终证明的可能不是学者有嫌疑，而是我们还没有一台可靠的AI检测器——以及对所有人一视同仁、且不依赖一个黑箱数字的诚信规则，都还没有真正建立起来。
