DeepMind等提出IdeaLens检测论文想法来源
美国马里兰大学、Google DeepMind 与加拿大西蒙弗雷泽大学等机构的研究人员在 arXiv 发布预印本论文 IdeaLens: Detecting AI Ideas in Long-form Writing，提出一套不直接分析文字风格、而是把文章转成内容大纲来判断想法来源的检测系统。研究团队用约 100 万篇英文长文训练，以 Pangram 3.3.2 的判定作为标签，基于 Nemotron-3.5-Lightning-30B-A3B 做 LoRA 微调，并训练了直接读原文的对照模型 ProseLens。作者报告：AI 按人类完整大纲写作时，IdeaLens 判定为 AI 的比例从仅给主题时的 94.9% 降至 6.8%；人类按 AI 生成的故事大纲重写时，IdeaLens 判定 68% 为 AI，而 Pangram 4 仅 8%。作者同时说明，标签来自现有检测器、TwiceTold 仅 50 篇、且尚不能区分人机共同构思的贡献，结果只是模型预测。
研究团队称，这为期刊在文字风格之外判断论文想法来源提供了新角度，但强调结果只是模型预测，不能直接证明某个想法由谁提出。
AI 正在进入论文写作的各个环节，学术出版机构也在逐步明确相关使用规范。
2026 年 8 月，全球学术出版商 Elsevier 更新了生成式 AI 使用政策，要求作者披露论文准备过程中 AI 工具的使用情况，并对最终内容负责；Springer Nature 的相关政策同样强调使用透明度和人工监督。
对于期刊而言，除了明确规则，还需要判断作者是否遵守了这些要求。Wiley 旗下的 Research Exchange 投稿筛查系统已引入机器生成内容检测工具，用于识别可能存在的未披露 AI 使用情况。不过，Wiley 明确提醒，检测工具存在误报风险，结果不应成为编辑作出决定的主要依据。
目前，现有的 AI 文本检测工具主要分析词语选择、句式结构等语言特征，判断文章是否由 AI 生成。但如果人类负责构思、AI 负责写作，或者 AI 提出想法、人类完成写作，仅凭文字特征就很难判断研究构思的来源。
#IdeaLens#Google DeepMind#University of Maryland#Simon Fraser University#ProseLens#Pangram 4#Nemotron-3.5-Lightning-30B-A3B#GPT-5.6 Sol