研究生学位论文写作中引入生成式人工智能，已经不再是“能不能用”的问题，而是“用到哪里、怎么留痕、如何披露”的问题。近年多份规范文件相继落地，对AI工具的使用边界给出了更明确的划分。对于初次撰写学位论文的研究生来说，最实际的困惑往往不是政策是否存在，而是面对一个具体环节时，难以判断眼前这项操作究竟属于“工具性辅助”，还是已经触碰了“核心贡献”的红线。本文提供一套可操作的判断框架，帮助你在写作过程中做出相对稳妥的合规选择。
先明确规则来源与适用场景
判断合规的前提是知道依据什么。目前直接约束研究生学位论文AI使用的规范，主要是中国学位与研究生教育学会发布的《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》。该指南依据《中华人民共和国学位法》《生成式人工智能服务管理暂行办法》《人工智能生成合成内容标识办法》《学位论文作假行为处理办法》《高等学校预防与处理学术不端行为办法》等文件制定，将“人工智能工具”界定为以生成式人工智能为代表，能够对文本、图像、音频、视频、代码或其他数据进行生成、改写、分析或辅助决策的智能化软件、平台或服务，适用于研究生开展研究活动、完成学位论文或实践成果的全过程。（检索日期：2026年7月）
在原则层面，该指南提出诚信使用、科学使用、安全使用三项基本要求：准确体现贡献主体，对生成内容进行事实检查与核实；鼓励探索创新性应用，同时防范过度依赖导致独立思考能力弱化；注重数据安全、隐私保护与知识产权保护，不得使用AI工具处理涉密与敏感内容。
需要特别注意的是，指南明确学位申请人是使用人工智能的第一责任人，对论文或实践成果的所有内容承担最终责任；指导教师负有指导与审查责任。这意味着合规判断不能完全依赖导师把关，作者本人必须建立清晰的自我审查意识。
各培养单位的具体实施细则可能在此基础上有所收紧或细化，因此本文所述框架属于通用判断路径，最终应以所在学校研究生院发布的最新文件为准。
工具性辅助与核心贡献的分界线
指南在关键条款中划出了一条相对清晰的分界：学位论文与实践成果的核心论点和创新贡献须由学位申请人提出并完成。围绕这条主线，可以把论文形成过程中的各类操作分为两类。
属于工具性辅助、通常可以使用的环节包括：
- 获取信息与整理资料，例如文献检索、摘要归纳、资料分类
- 启发思路，例如在已有研究基础上进行头脑风暴、列出可能的研究方向供自己筛选
- 处理数据，例如数据清洗、格式转换、统计代码的调试辅助
- 专业表达，例如语言润色、术语一致性检查、参考文献格式整理
必须由申请人自主完成、不能交由AI代劳的环节包括：
- 提出核心论点与研究假设
- 设计研究方案并做出关键判断
- 解释数据、得出科学结论
- 形成论文的创新性贡献
一个便于操作的判断方法是追问三个问题：这项操作是否涉及“提出新观点”？是否涉及“对结果做出解释和判断”？如果交由AI完成，读者对论文贡献归属的认知是否会发生变化？只要其中任一问题的答案是肯定的，就应当归入核心贡献范畴，由自己完成。
分环节自查：从选题到答辩
把上述分界线落到具体写作流程中，可以形成一份更细的自查清单。
选题与研究设计
AI可以用于检索相关领域的研究动态、梳理已有文献的分布情况，帮助你更快了解某个方向的研究现状。但研究问题的最终确定、研究假设的提出、研究方法的选取，必须基于你自己的阅读与判断。如果直接采用AI生成的研究问题或研究框架，且未加实质性改造，就属于越界。
文献综述
利用AI总结其他学术出版物、辅助生成综述初稿供参考，在多数规范中被归入有限使用的范畴。但需要注意两点：一是AI生成的文献信息可能存在虚构或错误，必须逐条核对原文；二是综述中的评述性观点、研究空白的判断，仍应由你完成。直接提交AI生成的整段综述文本而不加核实与改写，风险较高。
数据整理与分析
数据清洗、格式转换、代码调试等事务性工作，属于典型的工具性辅助。但数据的解释、统计结果的学术含义、结论的推导，必须由你完成。规范明确将“解释数据、得出科学结论”列为不可由AI替代的任务。
论文撰写
语言润色、表达优化、格式调整通常被允许，但直接生成整篇论文文本则不被接受。这里的一个实用原则是：AI可以帮助你把已经想清楚的内容表达得更清楚，但不能替你想清楚内容本身。
答辩与成果展示
制作演示文稿、优化图表呈现可以借助AI，但答辩中对你研究贡献的阐述、对评委提问的回应，必须是你本人对研究内容的真实理解。
过程留痕：把合规变成可核查的记录
规范要求对AI使用情况完整、如实披露，包括工具名称、版本、使用环节及生成内容，并留存提示词记录和原始输入输出等过程材料，确保可追溯、可核查。这意味着“用过但没记录”本身就是一种合规风险。
建议在写作过程中同步维护一份AI使用记录，至少包含以下字段：
| 记录项 | 说明 |
|---|---|
| 使用日期 | 具体到日 |
| 工具名称与版本 | 如某模型的具体版本号 |
| 使用环节 | 对应选题、文献、数据、写作等阶段 |
| 输入内容 | 提示词或上传材料的要点 |
| 输出内容 | AI生成结果的处理方式，是采纳、改写还是弃用 |
| 人工处理 | 你对生成内容做了哪些核实与修改 |
这份记录不必事无巨细，但要能回答“在哪个环节、用了什么工具、生成了什么、你如何核实”这四个问题。它的作用不只是应对审查，也能帮助你在写作后期回顾哪些内容是AI辅助产出的，避免无意中把辅助内容当作自己的原创贡献。
披露怎么写：位置与要素
披露的位置通常有两处：一是在论文的适当部分（如致谢、方法说明或专门的声明章节）说明AI工具的使用情况；二是如果目标期刊或培养单位有单独的AI使用声明要求，按其模板填写。披露内容一般包括工具名称与版本、使用环节、使用目的，以及你对生成内容的核实方式。
需要避免两种极端：一是完全不披露，这直接违反如实披露要求；二是把披露写成形式化的免责声明，笼统地说“使用了AI辅助”而不说明具体环节。后者虽然形式上完成了披露，但无法满足可追溯、可核查的要求。
几个容易误判的情形
“我只是让AI帮我改写了一段话，应该不算核心贡献吧？” 改写本身属于表达层面，通常可以接受，但前提是这段话的实质内容是你自己形成的。如果整段论证逻辑都来自AI，仅做了措辞调整，实质贡献归属仍然存疑。
“AI给我的数据解释看起来很合理，我直接用了。” 数据解释属于明确不可替代的环节。即使AI的解释合理，也需要你独立验证并形成自己的判断，不能以“结果正确”为由跳过自主分析。
“我在开题阶段用了AI梳理思路，后面都是自己写的，还需要披露吗？” 需要。披露针对的是使用行为本身，而非最终文本是否由AI生成。开题阶段的思路梳理如果对后续研究产生了实质影响，同样属于应当披露的范围。
把判断框架变成写作习惯
合规判断的核心不在于记住一份清单，而在于形成一种稳定的工作方式：每引入一项AI辅助操作时，先判断它落在工具性辅助还是核心贡献区间；对每一次使用留下可核查的记录；在论文中如实、具体地披露。这三个动作一旦成为习惯，大部分边界模糊的情形都能在过程中被识别和处理，而不必等到提交前才匆忙补救。
需要提醒的是，各高校和培养单位正在陆续制定或更新实施细则，期刊的AI使用政策也在持续调整。本文所述框架基于当前可查的规范文件，具体执行时请以你所在单位研究生院和目标期刊的最新要求为准。
