根据对学术文献的大规模分析，去年发表的大约1/7的生物医学论文摘要可能借助人工智能。(AI)完成写作。2024年，医学数据库PubMed收录的150万篇摘要中，包含大型语言模型的文章超过20万篇(LLM)经常推荐使用词汇。

相关研究于2024年6月以预印本的形式在线公布，预计上半年约1/9的摘要将由AI协助完成。上述最新分析结果将于今年7月2日在《科学进步》中公布。

Andrew，英国伦敦大学学院。 Gray说:“LLM编辑的论文数量一直在不可阻挡地增加。”他认为，研究人员还没有充分认识到这些工具用于产生学术成果的规模。“希望这篇论文能促进人们对这个问题的关注”。

很多团队试图评估LLM对学术输出的影响，但这个过程是相当具有挑战性的，因为大多数用户没有透露这种行为。常见的方法是训练模型来识别人类和LLM生成文本的区别，然后应用于文献评估。但目前还不清楚这类模型如何区分两种文本，训练数据集可能无法反映LLM生成文本的最新趋势。

Dmitry在德国图宾根大学。 Kobak和他的同事采用了更开放的研究方法。在摘要中，他们搜索了2022年11月ChatGPT普及后频率异常上升的“冗余词汇”。

研究发现，2024年出现454个单词的频率比2010年以来的任何一年都要高得多。他们大多是与研究内容无关的“风格词”，主要是动词和形容词。常见词“发现”和“潜力”不仅存在，还存在“探索”和“展示”。Kobak指出，2024年下半年新增的冗余词包括最高级别的形容词，如“显著增强”、“障碍”和“无与伦比”和“极其有用”。

科学词汇的演变是一个长期的过程。2021年有190个“冗余词汇”，其中大部分是与研究内容相关的术语。然而，自LLM普及以来，词汇的变化更加明显，主要体现在风格层面。

另外，在计算科学和生物信息学等领域，LLM辅助撰写了超过1/5的摘要。Kobak说：“今年的整体数据可能会进一步增加，LLM的使用仍在继续增加。AI的实际使用率可能高于最新研究所表明的。

二月份，法国巴黎高等师范学院的Mingmeng Geng和同事在预印平台arXiv发布的一项研究中指出，2024年底“探索”等一些标志性词汇和短语的出现频率有所下降。他认为，这可能是因为相关研究将其标记为“使用AI”，促使作者删除此类词汇，或者调整LLM请求以避免测试。

随着作者策略的不断调整，越来越难以评估AI对学术文献的影响。另一个主要挑战是，包括Kobak团队在内的研究无法确定AI工具的具体使用方法。作者可能会在没有适当监督的情况下生成大段文本，比如润色文本或辅助翻译，或者涉及到更有争议的做法。“真正的科研诚信存在隐患。”Gray说。