本文以中国学位与研究生教育学会2026年5月发布的《规范研究生学位论文与实践成果中人工智能工具使用指南》为解读线索，结合研究生学位论文全流程，分环节梳理人工智能工具“可辅助”与“不可代做”的边界，并给出提交前可执行的核验与留痕方法。本文对指南的梳理检索于2026年5月，具体解释与表述如与官方发布文本不一致，应以中国学位与研究生教育学会官方最新文件为准。
先建立判断基线：第一责任人原则决定边界
判断研究生学位论文中人工智能工具使用是否合规，不能只停留在“能不能用”的笼统层面。更有效的做法是回到一个基本问题：这个环节是否直接形成论文的核心论点、创新贡献、关键数据或最终学术判断。
指南将学位申请人定位为第一责任人。这意味着，无论人工智能工具由谁提供、使用到何种程度，最终成果的真实性、原创性、规范性和可解释性都由申请人本人承担。导师的指导、培养单位的管理，都不能替代申请人的这一责任。因此，合规判断的关键不在于工具名称，而在于申请人是否仍然完成了本应由其完成的学术工作。
可以将所有人工智能使用场景先归入三类：第一类是可辅助，即工具帮助检索、整理、表达、检查，但不替代核心学术判断；第二类是需有条件使用，即可以用于某个环节，但必须经过严格核验并在必要时披露；第三类是不可代做，即一旦由人工智能完成，就会触及核心贡献、学术诚信或答辩能力的底线。
在实践中，可以用三个问题快速判断某项人工智能使用是否越界：
- 这个环节是否直接形成我的核心观点、研究结论或创新贡献？
- 如果移除人工智能生成的内容，我的研究是否仍然能够成立？
- 我能否对所采用的人工智能输出进行逐项核验、解释和追溯？
分环节对照：哪些可用，哪些不可代做
选题与研究设计
可用人工智能辅助的，主要是资料性、发散性和整理性工作。例如，使用人工智能进行研究背景信息梳理、概念关键词扩展、已有研究方向扫描、初步研究框架草案生成、方法选择提示等。这些工作可以帮助研究者打开思路、减少信息盲区。
不可代做的，是由人工智能直接确定研究问题、提出核心假设、判断选题的学术价值与创新性，或者由人工智能生成的研究方案直接作为开题报告、学位论文选题报告的主体。选题和研究设计中最关键的部分，是研究者对研究缺口、研究可行性和自身学术能力的判断，这种判断不应转让给工具。
边界在于：申请人必须能够清晰回答“为什么研究这个问题”“为什么采用这个路径”。如果只能复述人工智能给出的理由，而无法进入学科内部的论证逻辑，就说明人工智能已经过度介入。
文献综述或现状分析
这一环节可用人工智能辅助的范围相对较广，包括文献检索、初步去重、按主题归类、提示研究争议点、生成概括性背景段落、对已有表达进行改写等。对于文献量较大的研究生来说，这些辅助可以显著提高效率。
不可代做的，是代读关键文献、代替研究者形成对文献的批判性评价，或者虚构、混淆文献来源与观点。文献综述的核心不是罗列文献，而是研究者对既有研究脉络的把握、对研究方法与结论之间张力的识别，以及对自己研究位置的说明。这些工作依赖深度阅读和学术判断，不能由人工智能输出替代。
需要特别警惕的是，人工智能在生成文献综述时容易出现“看似正确、实则错误”的引文，如编造不存在的文献、将作者与其观点张冠李戴、把不同年份的文章混为一谈。因此，凡是准备进入论文的引文，都必须回到原始文献逐条核验。
论文或报告撰写
论文撰写是边界最需要细致把握的环节。可用人工智能辅助的，包括语言润色、句式调整、段落逻辑梳理、摘要和结论的表述优化、图表文字说明的辅助生成、格式规范化处理等。这些使用本质上是“辅助表达”，针对的是已经形成的研究内容。
不可代做的，是由人工智能直接生成核心章节初稿，研究者仅做少量修改后作为自己的成果提交；或者由人工智能替代对研究发现的理论解释、对结果意义的讨论、对局限性的判断。更隐蔽的越界，是把人工智能生成的分析、论证乃至结论嵌入论文主体，但又不加以披露或核验。
判断写作环节是否越界，可以适用一个简单标准：如果删除人工智能生成的部分，论文的核心论证是否仍然成立？如果论文的原创贡献、研究发现、关键解释主要来自人工智能输出，就属于代做而非辅助。反之，如果删除后论文仍然完整，只是表达变得粗糙，那么人工智能更多是发挥了文字优化作用。
作品创制
对于实践成果类学位论文，人工智能工具的使用边界要结合具体专业领域判断。通常可用人工智能进行草图生成、风格探索、技术效果测试、素材辅助、代码自动补全、重复性制作环节的自动化处理等。这与研究者使用专业设计软件、开发框架或其他技术工具的性质类似。
不可代做的，是核心创意、设计概念、艺术判断、关键技术解决方案由人工智能替代，或者将人工智能生成的作品作为本人主要实践成果提交。实践成果类学位论文的价值，在于创作者独特的问题意识、审美判断、技术实现能力和对作品意义的解释。如果申请人无法说明作品的创作逻辑、技术路径和核心决策，成果的真实性就会受到质疑。
这一环节需要特别注意披露义务。如果人工智能参与程度较高，即使并非核心环节，也应根据指南和培养单位要求，说明使用了哪些工具、用于哪些部分、参与程度如何。
答辩或成果鉴定展示
答辩环节对人工智能的使用限制最为严格。可用人工智能辅助的，主要是答辩前的准备：生成答辩陈述大纲、模拟可能的提问、梳理汇报逻辑、优化口头表达和幻灯片文案。这些工作属于自我训练和表达打磨，不直接构成学术不端。
不可代做的，是由人工智能撰写答辩讲稿并照读，或者在答辩现场使用人工智能实时生成答案、替代本人回答问题。答辩的核心功能之一，是检验学位申请人是否真正理解自己的研究。如果在这个环节依赖人工智能，即使论文本身没有问题，也可能暴露知识掌握和分析能力的不足，直接影响答辩评价。
因此，答辩前使用人工智能辅助准备时，目标不应该是“把答案准备好”，而应该是“把问题想清楚”。申请人需要能够独立解释研究问题、方法选择、数据或作品的形成过程、核心发现及其意义。
核验：把人工智能输出变为可采信材料的检查路径
人工智能输出不能直接等同于可采信的研究材料。研究者至少需要完成三类核验。
第一，事实与来源核验。所有由人工智能提供的文献、数据、法规、案例、术语和背景信息，都必须回到原始出处确认。对文献列表，应通过学术数据库逐条检索；对统计数据，应核对来源报告或官方发布；对政策法规，应确认文件名称、发布机构和生效状态。无法回溯或与原文不一致的内容，一律删除或替换。
第二，逻辑与一致性核验。人工智能生成的建议、段落或答案，需要与论文的研究问题、研究设计、分析路径和结论进行比对。不能因为输出“看起来通顺”“表达更高级”就直接采用。一个简单的方法是：不参考人工智能输出，用自己的话复述同一内容，再与人工智能文本对照，看是否存在理解偏差或逻辑跳跃。
第三，原创与贡献核验。对照论文的核心章节，检查人工智能的参与是否已经影响了研究问题、关键发现、理论解释或创新判断。如果抽取人工智能生成内容后，论文的研究贡献明显弱化或论证断裂，应重新撰写相关内容，并将人工智能使用降级为辅助表达或参考建议。如果估计人工智能参与程度较高，应根据要求进行披露。
留痕：建立可向导师和培养单位说明的使用记录
人工智能使用的合规性，不仅取决于“用了什么”，还取决于“能不能说清楚”。建议研究生在学习周期内建立一份持续更新的《人工智能工具使用记录》，随研究进度同步记录，而不是答辩前临时补填。
记录内容至少应包括：
- 使用日期和研究环节；
- 人工智能工具名称、版本或模型信息；
- 使用目的，如文献归类、语句润色、代码补全、演示文稿优化；
- 输入提示词或问题摘要；
- 人工智能输出的使用状态：完全弃用、修改后采用、仅供参考；
- 修改后内容在论文、作品或报告中的位置；
- 核验结果：是否通过事实核验、逻辑核验和原创核验。
同时，需要注意将人工智能使用记录与导师指导过程、个人独立判断分开，不要混记。在提交学位论文前，申请人应主动向导师完整说明人工智能使用情况，并根据所在培养单位要求，在论文中增加人工智能使用声明。声明中通常应说明工具名称、使用环节、使用程度和影响范围。
对于具有一定争议性的使用情形，如人工智能参与度较高的写作润色、作品创制中的生成式辅助，更应提前与导师沟通，而不是等到答辩阶段才被动解释。
将对照框架转化为自查清单
如果需要在提交前做一次完整自查，可以把本文的环节对照表简化为三个问题逐项检查：这个环节是否使用了人工智能；使用是否属于可辅助、有条件使用还是不可代做；每一项使用是否已经核验、留痕并按要求披露。对于任何一个问题无法给出明确回答的环节，都应回到原文重新判断。
合规的核心不在于完全拒绝人工智能工具，而在于把人工智能使用限制在辅助范围之内，确保核心论点、创新贡献、关键数据和最终学术判断始终由学位申请人本人完成。这个边界越清晰，研究过程越可追溯，学位论文的规范性和可信度也就越高。
