徐 贲：一篇“穿越”的博士论文，照出的不是AI之罪，而是判断缺席

学人简介：徐贲，1950年生于江苏苏州，美国加州圣玛丽学院英语系荣休教授。作者授权首发。原标题为《 守门人缺席的AI时代：从“穿越论文”看高校如何重建学术把关 》，现标题为作者所拟。

2026年十月上旬，一篇题为《一篇AI生成的博士学位论文，河北大学竟然给过了？》的报道在网上流传。文章矛头直指“AI生成”，论文里那些宋人读到1995年出土墓志、明代方志收录当代才确认碑刻的“穿越”硬伤，也确实与大模型的幻觉特征高度吻合。这篇论文究竟如何写成，局外人无从证实，学校如何评审，同样无从判断。但有一件事是确凿的：排斥AI参与写作的人士正拿这起事件大做文章，在高校教授群体中广为传播，把它当作AI之罪的现成证据。

这种传播本身，比事件的真相更值得认真对待。高校教师中，有不少对AI参与写作持怀疑和排斥的态度，对文科未来的新概念人机共笔写作既没有兴趣，也缺乏了解。对AI参与文科写作的消极态度并非出自自己的实践经验，而只是网上自媒体的道听途说。如此以己昏昏，岂能使人昭昭？

若导师自己从未认真使用过AI，从未在真实的人机共笔中体验过它的幻觉、它的流畅、它的局限，从未留下过可供比较和反省的样品，他凭什么判断学生交上来的东西是思想的结晶，还是模型的回声？他凭什么在答辩现场追问“这段论证是你想出来的，还是模型编出来的”？他凭什么在评审意见中区分“AI辅助”与“AI代笔”？不知道，就无法判断；不判断，就只能凭标签站队。于是，一篇未经证实的报道，就足以让整个群体对一种新的知识生产方式宣判死刑。这不是学术判断，这是舆论反射。

导师不必亲自大量使用AI才能履行导师职责，但在AI已经成为研究现实之后，完全没有AI实践经验，会严重削弱其判断能力。

今天，文科教授的AI素养，已成势在必行，不是赶时髦，而是守底线。它要求教授亲自进入真实的人机共笔实践，积累自己的样品，体验幻觉如何发生，理解提示词如何影响输出，辨认人类判断在何处不可替代。没有这种实践，所谓“警惕AI”只是姿态，所谓“把关”只是空话。导师不必成为技术专家，但必须成为批判性的使用者和负责任的判断者。评审者不必自己写提示词，但必须能要求过程披露、可复现性和贡献说明。导师自己昏昏，学生就只能自行摸索；评审自己昏昏，稿件就只能凭标签定生死；学院自己昏昏，制度就只能事后追责，而不能事前预防。

这起事件真正的教训，不是“AI有罪”，而是“判断缺席”。样品不会自动说话，需要有人听懂；错误不会自动暴露，需要有人核验；责任不会自动归属，需要有人承担。高校文科教授必须从道听途说走向亲身实践，从标签站队走向程序判断。匿名盲评、过程公开、责任署名，这些不是束缚，而是让判断回到作品本身的必要条件。否则，今天他们可以用一篇报道否定AI，明天他们就一定会被真正会用AI且认真核验的新一代学生远远甩到身后。

PART 01

一篇“穿越”的博士论文

河北大学2026年6月毕业的博士学位论文《辽代碑志文研究》，近日成了学界议论的焦点。辽代碑志材料本就稀缺，这个题目原本最能考验史料功底与创新能力。但据公开披露，论文暴露出大量令人啼笑皆非的硬伤：英文封面单词之间没有空格，摘要半通不通，常识性内容被当作创新论述。

更严重的是文中的“时间穿越”：宋人赵明诚的《金石录》著录了1995年才出土的墓志，明代《辽东志》完整收录了当代才确认的耶律倍墓志，清代王昶和乾隆朝文献里竟能看到1922年才出土的辽庆陵哀册，20世纪初就“发现”了1976年才出土的萧义墓志。参考文献同样“泥石流”：不存在的图书版本，知网查无此期的论文，乃至未来年份的“考古简报”和凭空而来的“家族墓志”。

这些错误像是大模型的典型症状，但外界并无证据表明作者用了哪一种AI工具，又是如何使用AI工具。需要指出的是，不同模型、不同使用方式之间，出错的概率确有差别：接入检索、能够核对出处的系统，通常比纯粹凭“记忆”生成的更可靠。然而差别只是概率上的，没有任何一种模型能让使用者免于核验。正因为如此，真正拉开差距的，不是用了哪个品牌的AI，而是使用者是否把每一条关键引用查到了原始出处。

还需要说明，这只是对症状的判断，不是对写作过程的认定。然而在许多人的转述里，这层“推断”已被悄悄当成了“定论”：一旦“AI生成”四个字成了事件的标签，这起个案就从一桩待查的学术失范，变成了一场关于技术原罪的公共叙事。

PART 02

不能拿个案否定工具，也不能回避“怎么用”

正因为这一叙事已在教授圈中流传开来，才有必要辨明其中的逻辑。把这起个案定性为“AI参与写作的罪恶证明”，进而呼吁严惩乃至全面禁止，好比拿一起严重车祸去否定整个汽车工业，把工具的风险等同于工具本身的原罪。

但反过来，“真正的问题是怎么用、谁把关”也不能被说成一句轻描淡写的套话。对新一代文科研究人员而言，理解AI的能力与局限，掌握正确的使用方法，知道什么可以交给AI、什么必须自己判断，以及如何核验AI生成的信息，本身就应当成为基本的研究素养。AI不是一个可以随手使用而无需学习的新式打字机；会不会使用、怎样使用、在哪里停止使用，都已经成为研究能力的一部分。

问题在于，“怎么用”与“谁把关”并不是二选一。研究者需要学会使用AI，也必须承担核验和判断的责任；导师和评审者则不能因为研究者“会用AI”而放弃自己的把关责任。AI可以提高知识生产的效率，却不能替任何一方承担最终的学术判断。目前高校中的文科教授自身的AI素养因此成为一个现实的问题。

古云，子不教，父之过；同样，给学生当博导，也不能徒有其名。不能只占有导师的头衔，却不承担导师的判断责任；只要求学生“会用AI”，却不追问AI在知识生产中究竟做了什么；只在成果上署名，却不在核验上出力。这种导师，在传统学术环境中或许还能靠信息差维持权威，在人机共笔的时代却会迅速暴露：因为学生可能比导师更熟悉工具，但导师不能因此把判断权一并让渡。学生熟悉的是操作，导师应当熟悉的是标准；学生擅长的是生成，导师必须擅长的是质疑。二者不是替代关系，而是责任链上的不同环节。

高校文科教授的AI素养问题，不是锦上添花的继续教育，而是学术责任的内在要求。它至少包括：能识别AI幻觉与证据伪造，能评估人机交互过程的透明性，能判断人类贡献与机器生成的边界，能在评审中要求过程披露与可复现性，能指导学生建立负责任的共笔伦理。导师不必成为技术专家，但必须成为批判性的使用者与把关者。古语“子不教，父之过”若转化为学术语境，不是要求导师像父亲一样包办一切，而是要求导师在学术判断上不能缺席。博导之名，意味着受托培养能够独立判断的研究者，而不是生产新一代的论文写手。

PART 03

最该被追问的，是谁没有认真读博士论文

博士论文是学术训练的最终成果，理应经过导师反复指导和答辩委员会严格审查。无论这篇论文是如何写成的，论文中出现如此明显的史实错误，都足以让人追问：把关机制究竟在哪个环节失效了？这里要追问的是把关机制本身，而不是对某所学校或某几位老师的指控，因为具体的评审过程，我们同样无从得知。

这里有一个常被忽略的事实：识破“宋人著录1995年出土墓志”，并不需要任何AI知识，只需要辽金史研究者应有的基本常识。换言之，在这类事件中，首先失守的是专业判断与阅读责任，而不是AI素养。不能因为论文可能使用了AI，就把本来属于学术训练和学术评审的问题，统统转化为一个“懂不懂AI”的问题。

当然，AI素养的缺失确实会雪上加霜。面对AI生成的文本，研究者不仅需要知道如何使用，也需要知道它最容易在哪里出错，哪些信息必须核验，哪些引用不能未经查证就进入论文。许多教师要么把AI简单等同于“作弊神器”而一味禁止，要么对其运行机制和使用边界缺乏了解，既无法指导学生合理使用，也无法有效识别AI可能带来的风险。守门人如果缺乏新的研究素养，专业判断就可能在新的技术环境中失去抓手；而没有专业判断，再多的AI知识也无法真正完成把关。

PART 04

教授的AI素养，究竟指什么

专业判断是根本，AI素养是AI时代专业判断得以有效运作的新条件。AI素养（AI literacy）不是要求人人成为算法专家，而是要求研究者形成几种新的认知与能力。

首先，要理解大模型的长处——生成、整理、启发——也要理解它的致命缺陷——幻觉、事实捏造以及无法真正为信息来源提供可靠保证。其次，要知道如何交叉验证：面对一条可疑的引用，能够想到去查原始出处、馆藏目录、版本信息与出土报告，而不是因为文字写得像真的就接受它。而且，在指导学生时，要能够明确哪些工作可以交给AI，哪些判断必须由研究者自己完成，以及在什么情况下需要披露AI的使用。

但对学者而言，最好的“幻觉探测器”仍然是深厚的专业积累，而不是通用的提示词技巧。一个不了解辽金史的人，即使熟悉各种AI工具，也未必能够发现一条伪造的墓志；一个真正熟悉该领域的研究者，即使不懂模型的技术细节，也可能一眼察觉其中的时间错位。因此，教授的AI素养培养不宜做成泛泛的“工具速成班”，而应与学科深度绑定。

人文学科的训练重点是史料、版本与引用的真实性核查，理工科的重点则是数据、方法与结果的可复现性。AI素养的核心因此不是简单的“会用”，而是知道什么可以交给AI，什么必须自己判断，以及在哪里应该起疑。

博导的责任链必须清晰：研究者对具体作品负责，导师对指导过程负责，评审对评价结论负责，期刊与机构对制度负责。AI不在这个责任链中，它只是被使用的工具。谁使用，谁核验；谁指导，谁把关；谁评审，谁负责。

博士论文是博士候选人能力的样品，让样品说话，前提是有人能听懂样品，能追问样品，能为样品的真伪优劣承担判断后果。若导师徒有其名，评审虚应故事，那么再多样品也只是流量的泡沫，而不是真知的温床。人机共笔要提高知识生产的效率，但不能降低学术判断的标准；恰恰相反，它要求每一环的人都比过去更有判断力，更有责任感。唯其如此，样品才能说话，而且说的是真话。

PART 05

制度设计：让核验公开可见，让责任可以追究

仅靠培训并不够，因为培训只能提升能力，不能保证这些能力真正被使用。AI时代的学术把关，既需要新的研究素养，也需要与之相配套的制度，让核验真正发生，让责任能够追溯。

应该把AI素养纳入资质，把核验纳入程序。研究生导师与答辩评委的资格认定中，应包含基本的AI素养要求；学位论文评价标准中，应明确AI使用的披露范围，并把事实与引用的可验证性作为基本要求。对于关键史料和核心论据无法核实的情况，应当成为不能通过的硬性标准。

还需要把核验的第一责任落实给作者，同时让核验留下痕迹。学位论文提交时可附“引用核验清单”，注明关键文献的获取途径、版本信息和必要的核验记录，由评审随机抽查。这样既不要求评审逐条重复作者的工作，又能让“编造一条引用”的责任更加清晰，让核验从一种口头要求变成可以检查的行为。

重新设计答辩，让思考过程显形。答辩时可要求作者就若干关键史料现场说明其来源与解读，比如：“请说明这方墓志的出土时间与著录情况。”幻觉文本可以顺滑地写进论文，却很难在连续追问下自圆其说。分阶段提交、保留必要的过程性材料，也能让研究和写作过程变得更加可检验。

当然，也需要正视评审者的时间成本。评审与指导大多是无酬或低酬的隐性劳动，如果制度不给审读留出时间，再高的素养要求也只会落成纸面标准。把“认真读”重新变成被认可、被计入工作量的学术劳动，比增加一门培训课更为根本。

制度建设的目的，不是把更多责任简单压给某一个人，而是让作者、导师、评审和学校各自承担与其角色相称的责任。AI可以参与知识生产，但核验不能成为无人负责的环节。

PART 06

制度的目的，不是合规，而是让判断真正发生

制度建设还有一个必须警惕的风险：把AI素养做成资质，若最后只是上几次课、参加一场培训，领一张证书，很容易沦为又一场形式主义的“合规表演”，就像今天许多文科教授的外语资质一样。真正的判断标准应当是行为而非证书：有没有核验，能否说明核验依据，出了问题能否追溯到具体责任人。可验证、可追责，才是素养真正落地的证据。

同样，披露制度也不应变成一场“忏悔仪式”。披露的意义在于方法论上的透明，而不在于道德上的自证有罪。使用AI本身并不构成过错，不核验才是。学术共同体应当把伦理的界线划在这里，而不是划在“用没用”上。

归根到底，学术评审是一个共同体的自我纠错机制。一个学术共同体的活力，很大程度上取决于它能否持续发现错误、修正判断，并把经过检验的知识传递下去。这个机制一旦失灵，再先进的工具也只会放大原有的失灵。

汽车需要驾照、交规与责任认定体系，才能在提高效率的同时控制风险；AI进入学术研究，同样需要新的规则。但我们真正需要的并不只是一张“AI驾照”，而是让每一次关键的判断都真实发生，让每一个承担判断的人都知道自己承担什么责任。高校应当把这件事建设成可验证、可追责、可持续的制度，而不是应对一次舆情的临时举措。

因此，比一篇论文究竟是怎样写成的更值得追问的，是我们面对这样的事件时究竟选择什么：是借它巩固对AI的既有偏见，还是借它修补学术共同体自身的把关机制。前者只能制造更多禁令和焦虑，后者才可能真正守住学术生态的公信力。

守门人的意义，从来不在于把门关得多紧，而在于知道什么值得放行，什么必须阻拦，以及为什么要放行或阻拦。