2025年9月2日，MedRxiv的一篇預(yù)印本探討了冗余稿件（即多次提交相同或?qū)嵸|(zhì)性重復(fù)稿件）的情況。研究發(fā)現(xiàn)，近年NHANES相關(guān)冗余稿件急劇增加，兩年增長(zhǎng)了17倍，現(xiàn)有針對(duì)冗余發(fā)表和抄襲的檢查手段已不再適用。

原文鏈接：https://www.medrxiv.org/content/10.1101/2025.09.09.25335401v1.full-text

研究背景

AI不僅可以用于科研中處理大型、復(fù)雜的數(shù)據(jù)資源，還可以繞過文本復(fù)用和抄襲的編輯檢查，大規(guī)模制造冗余稿件或同時(shí)向多家期刊投稿。

本研究旨在調(diào)查生成式AI是否導(dǎo)致誠(chéng)信檢查失效。研究以NHANES數(shù)據(jù)庫(kù)為主，調(diào)查其冗余稿件的發(fā)生情況，檢驗(yàn)了冗余發(fā)表的普遍性，并且使用大型語(yǔ)言模型（LLM）重寫現(xiàn)有稿件，測(cè)試其能否通過抄襲檢查。

研究方法

稿件檢索

以PubMed數(shù)據(jù)庫(kù)為主要數(shù)據(jù)源，采用檢索式"（nhanes[tiab] OR national health and nutrition examination survey[tiab]）AND （（"2021/01/01"[Date - Publication] : "2025/07/31"[Date - Publication]））"，初步獲得15,597篇文獻(xiàn)。排除韓國(guó)NHANES、評(píng)論類文章、針對(duì)特定人群的研究（如癌癥幸存者）。

暴露因素/預(yù)測(cè)因子與結(jié)局指標(biāo)清單分別包含217個(gè)因素和162個(gè)結(jié)局，適時(shí)納入替代指標(biāo)。

在論文標(biāo)題中檢索并記錄其中分析相同暴露-結(jié)局組合的多篇論文。經(jīng)人工審查后，將以下研究判定為冗余稿件：分析相同暴露-結(jié)局組合，僅存在隊(duì)列范圍（如2014–2018年與2016–2020年）、性別（男性/女性）或年齡區(qū)間等差異。

圖. 稿件檢索及納排流程

稿件生成和抄襲檢查

選取已發(fā)表的3篇文章，由不同的人使用LLM生成“新稿件”，唯一要求是提示詞必須明確指定新稿件需在句法上與原文不同以規(guī)避抄襲檢測(cè)。人工檢查并調(diào)整“新稿件”，每篇生成過程控制在2小時(shí)左右。

將其提交至iThenticate檢測(cè)系統(tǒng)。根據(jù)Springer Nature關(guān)于Crossref Similarity Check/iThenticate的使用指南，研究將超過5%的單項(xiàng)相似度視為警示標(biāo)志。

研究結(jié)果

最終確定411篇符合定義的冗余稿件，156個(gè)暴露-結(jié)局組合。2篇論文暴露-結(jié)局相同的情況最常見，最多達(dá)到6篇，出現(xiàn)在3個(gè)暴露-結(jié)局組合：氧化平衡評(píng)分與慢性腎臟病、身體圓度指數(shù)與女性不孕癥、生命八要素與牙周炎。冗余的稿件可能發(fā)表在同一期刊，本研究中發(fā)生了67次。

圖. 不同暴露-結(jié)局組合發(fā)生的次數(shù)

2023年之前與NHANES相關(guān)的冗余稿件極為罕見（2022年12篇，2021年3篇），而2024年達(dá)到198篇，兩年內(nèi)增長(zhǎng)了17倍。

圖. 不同時(shí)間的冗余稿件發(fā)表情況

這411篇冗余稿件由112個(gè)期刊發(fā)表，其中44%集中發(fā)表于五種期刊。最常使用的統(tǒng)計(jì)方法是在多重模型中逐步添加協(xié)變量的邏輯回歸，其次為線性回歸。

圖.冗余稿件發(fā)表涉及到的期刊樹狀圖（A）和其使用的統(tǒng)計(jì)學(xué)方法（B）

就上文提到冗余次數(shù)最多的三個(gè)暴露-結(jié)局組合生成“新稿件”，按理來說，這些組合更難規(guī)避抄襲檢測(cè)。但三篇稿件的總體相似度均低于30%，且所有單項(xiàng)相似度均未超過5%，這表明這些稿件在期刊審稿流程中不會(huì)觸發(fā)自動(dòng)示警。

表.LLM生成的“新稿件”抄襲檢測(cè)結(jié)果

抄襲和重復(fù)提交手稿等行為一直存在，且出版商及期刊采取了許多政策措施（國(guó)際出版?zhèn)惱砦瘑T會(huì)近期發(fā)布的新版撤稿指南詳見：），但在AI時(shí)代，這些措施已然不能滿足審稿需求。

本研究發(fā)現(xiàn)，冗余稿件的發(fā)表數(shù)量急劇增加，而且某些期刊接受了過多的冗余稿件，這可能暗示著這些期刊已經(jīng)成為論文工的目標(biāo)，抑或編輯流程存在明顯缺陷。LLM生成的稿件不僅沒有在抄襲檢查中得到警示，文中還沒有扭曲短語(yǔ)（tortured phrases，識(shí)別問題論文的另一指標(biāo)，詳見）

冗余稿件還可能放大不良研究的影響，用數(shù)量的堆砌進(jìn)一步影響相關(guān)領(lǐng)域的研究質(zhì)量。

而且本研究?jī)H僅描述了NHANES數(shù)據(jù)庫(kù)，其他開放數(shù)據(jù)庫(kù)也可能存在這種情況，或在NHANES因這些負(fù)面影響而發(fā)表受限后，被論文工廠視為下一個(gè)目標(biāo)。（相關(guān)閱讀：）

研究局限性

• 稿件無法區(qū)分研究人員因缺乏領(lǐng)域?qū)I(yè)知識(shí)而未注意到同類研究，還是論文工廠故意采用多刊同投。

• 研究排除了針對(duì)特定數(shù)據(jù)子集的分析性研究，可能低估了問題的嚴(yán)重性。

• 研究?jī)H使用LLM展示了示例性證據(jù)，并未對(duì)大量稿件進(jìn)行全面分析以量化iThenticate等工具被"誤導(dǎo)"的頻率。

• 研究?jī)H驗(yàn)證自動(dòng)化檢查，并不意味稿件可以通過編輯初審或同行評(píng)審進(jìn)而發(fā)表。

• 當(dāng)前提示詞尚不能一鍵生成無誤稿件，但人工修正LLM生成的基礎(chǔ)錯(cuò)誤平均僅需兩小時(shí)。

研究結(jié)論

當(dāng)前生成式AI時(shí)代，現(xiàn)有針對(duì)冗余發(fā)表和抄襲的檢查手段已不再適用。

文章整理自：https://www.medrxiv.org/content/10.1101/2025.09.09.25335401v1.full-5

醫(yī)咖會(huì)基礎(chǔ)會(huì)員全面大升級(jí)，趕快去領(lǐng)取一年基礎(chǔ)會(huì)員！

基礎(chǔ)會(huì)員權(quán)益：28張基礎(chǔ)課程券，基礎(chǔ)課程均可兌換！醫(yī)咖會(huì)SCI-AI工具，科研內(nèi)容訓(xùn)練，回復(fù)更專業(yè)！

點(diǎn)擊“閱讀原文”/應(yīng)用商店搜索/掃碼下載醫(yī)咖會(huì)APP，登錄后，彈窗領(lǐng)取基礎(chǔ)會(huì)員！