这一数据并非孤立的统计结果。相关研究同时引用了一项针对科研人员的调查，结果显示，约 71% 的受访者承认在写作过程中寻求 AI 的帮助。然而，研究人员指出，由于学术规范和伦理考量，实际的“隐性”使用率可能远高于这些公开调研中所披露的水平。
更具警示意义的是，随着技术的普及，AI 在特定时间节点的渗透速度极快。数据显示，在 2025 年 12 月发表的论文中，近九成已能检测到 AI 辅助写作的痕迹。这种快速的增长反映了科研人员对生成式 AI 工具在润色、组织逻辑及语言优化方面的深度依赖。
此外，研究还揭示了 AI 在学术文章不同章节中的分布差异。分析发现，AI 的介入主要集中在需要高度概括和逻辑构建的“摘要（Abstract）”、“引言（Introduction）”以及“讨论（Discussion）”部分；而在涉及严谨实验步骤和原始数据呈现的“方法（Methods）”和“结果（Results）”部分，AI 辅助写作的痕迹则相对较少。
这一现象反映出当前科研领域的现状：研究者倾向于利用 AI 来处理复杂的语言表达和逻辑串联，而对于核心实验数据的真实性仍保留在人工审核范围内。然而，随着 AI 生成内容的比例不断攀升，学术界关于如何平衡“技术辅助”与“学术诚信”的讨论将变得愈发紧迫。
【译者注】
文中提到的 PubMed Central 是全球重要的生物医学文献数据库。研究中强调的“方法”和“结果”部分较少涉及 AI，是因为这两个部分的核心价值在于实验的可重复性和数据的真实性，若由 AI 生成可能面临严重的学术诚信风险。
【小编观点】
从 52% 到 77% 的跨越式增长，标志着 AI 已不再是科研领域的“新奇工具”，而是正在成为一种“基础设施”。然而，随着 AI 在摘要和讨论等核心逻辑环节的渗透加深，学术界亟需建立更清晰的透明度标准——即研究者应当明确标注哪些部分使用了 AI 辅助，以确保科学传播的真实性与权威性。
【核心提要】
【正文报道】
近日，一项发表在 arXiv 上的预印本研究揭示了人工智能（AI）在学术出版领域的快速渗透。根据对 PubMed Central 数据库中 2025 年全年发表的英文论文进行的分析显示，大语言模型（LLM）的使用比例呈现出显著的增长趋势：该比例从 2024 年的 52% 迅速攀升至 2025 年的 77%。
这一数据并非孤立的统计结果。相关研究同时引用了一项针对科研人员的调查，结果显示，约 71% 的受访者承认在写作过程中寻求 AI 的帮助。然而，研究人员指出，由于学术规范和伦理考量，实际的“隐性”使用率可能远高于这些公开调研中所披露的水平。
更具警示意义的是，随着技术的普及，AI 在特定时间节点的渗透速度极快。数据显示，在 2025 年 12 月发表的论文中，近九成已能检测到 AI 辅助写作的痕迹。这种快速的增长反映了科研人员对生成式 AI 工具在润色、组织逻辑及语言优化方面的深度依赖。
此外，研究还揭示了 AI 在学术文章不同章节中的分布差异。分析发现，AI 的介入主要集中在需要高度概括和逻辑构建的“摘要（Abstract）”、“引言（Introduction）”以及“讨论（Discussion）”部分；而在涉及严谨实验步骤和原始数据呈现的“方法（Methods）”和“结果（Results）”部分，AI 辅助写作的痕迹则相对较少。
这一现象反映出当前科研领域的现状：研究者倾向于利用 AI 来处理复杂的语言表达和逻辑串联，而对于核心实验数据的真实性仍保留在人工审核范围内。然而，随着 AI 生成内容的比例不断攀升，学术界关于如何平衡“技术辅助”与“学术诚信”的讨论将变得愈发紧迫。
【译者注】
文中提到的 PubMed Central 是全球重要的生物医学文献数据库。研究中强调的“方法”和“结果”部分较少涉及 AI，是因为这两个部分的核心价值在于实验的可重复性和数据的真实性，若由 AI 生成可能面临严重的学术诚信风险。
【小编观点】
从 52% 到 77% 的跨越式增长，标志着 AI 已不再是科研领域的“新奇工具”，而是正在成为一种“基础设施”。然而，随着 AI 在摘要和讨论等核心逻辑环节的渗透加深，学术界亟需建立更清晰的透明度标准——即研究者应当明确标注哪些部分使用了 AI 辅助，以确保科学传播的真实性与权威性。
背景链接：
https://www.nature.com/arti...