中國學位與研究生教育學會于2026年5月發布的《規范研究生學位論文與實踐成果中人工智能工具使用指南》（以下簡稱《指南》），將“核心創新須申請人自主完成”確立為一條底線原則。對研究生和導師而言，真正的難點不在于是否知道這條原則，而在于判斷論文的哪一個環節屬于“核心創新”，以及AI在哪個位置介入就會從“輔助”滑向“替代”。本文按學位論文的常見推進順序，逐環節拆解判斷依據與操作方式。需要說明的是，本文依據的是公開渠道可獲取的指南信息與通行學術規范，各培養單位可能制定更嚴格的細則，具體執行應以本校研究生院最新文件為準。
先理解“核心創新”在學位論文中的位置
學位論文的“核心創新”通常指申請人獨立提出的新問題、新方法、新證據或新解釋，是論文獲得學位授予的實質依據。它不等同于整篇論文的全部文字，也不等同于所有技術性勞動。區分二者的意義在于：AI可以承擔大量輔助性工作，但一旦它生成了構成本論文創新點的那部分內容，無論文字是否被改寫，都已觸碰“自主完成”的邊界。
《指南》強調申請人自主完成，指向的是學術責任的可歸屬問題。論文署名意味著申請人能夠對論文的每一項主張負責，包括能夠解釋其來源、推導過程與局限性。AI工具無法承擔這種責任，也無法被列為作者，這一點與COPE（出版倫理委員會）關于AI工具不能擔任作者角色的立場一致。因此，判斷標準可以簡化為一個追問：這部分內容如果被質疑，申請人能否在不依賴AI重新生成的前提下，獨立復述其思路并為之辯護？
選題與問題凝練：AI可做信息整理，不可替你定方向
選題階段是核心創新的起點。研究問題的價值判斷、與已有研究的差異定位、可行性的最終權衡，屬于申請人必須自主完成的部分。
可以借助AI的環節：對某一領域的文獻進行初步聚類，梳理研究主題的分布；把零散的研究興趣整理成結構化的候選問題清單；檢查選題表述是否存在歧義。
必須人工完成的環節：判斷哪個問題真正值得研究、自身資源能否支撐、該問題與導師團隊方向的匹配度。這些判斷依賴對學科脈絡的理解和對現實條件的把握，AI給出的“研究空白”往往是基于文本統計的推測，可能把已有大量研究的領域誤判為空白，也可能推薦申請人無力完成的題目。
一個可操作的檢驗方式是：如果導師追問“你為什么選這個問題而不是相鄰的那個”，申請人應當能給出基于文獻閱讀和自身條件的具體理由，而不是復述AI生成的選題理由。
文獻綜述：檢索可以外包，判斷不能外包
文獻綜述的合規風險集中在兩個層面：一是引用是否真實，二是評述是否出自申請人。
AI工具在文獻檢索和格式整理上有明顯效率優勢，但存在編造文獻、錯配作者與年份、誤讀原文結論的風險。已有高校的AI使用指引明確指出，AI生成內容可能存在未經核實的錯誤引用，且AI缺乏對自身輸出的批判性評估能力。因此，凡是進入論文的參考文獻，都應當由申請人逐條核對原文，確認其真實存在、結論表述準確、引用位置恰當。
在評述層面，需要區分“描述”與“評價”。讓AI匯總若干篇文獻的主要觀點，屬于描述性輔助；但指出這些研究之間的分歧、方法局限、以及它們如何共同支撐本文的研究空間，屬于需要申請人自主完成的學術判斷。文獻綜述如果只是AI生成內容的拼接，通常表現為觀點羅列缺少邏輯主線、對相反證據視而不見、評述停留在“某學者認為”而缺少申請人立場，這類綜述在開題或預答辯中很容易被識別。
研究設計與數據分析：工具可執行，設計須自主
這是“輔助”與“替代”邊界最容易被模糊的環節，因為數據分析本身高度技術化，AI和統計軟件確實能完成大量計算。
需要守住的分界是：研究設計屬于核心創新，計算執行屬于技術勞動。研究假設的提出、變量的選擇與操作化定義、樣本范圍的確定、對照組的設置、因果識別策略的選取，這些決定了研究能否成立，必須由申請人自主完成并能夠解釋每一項取舍的理由。AI可以幫助檢查設計中的邏輯漏洞，例如提示某個混淆變量未被控制，但采納與否、如何調整，仍由申請人決定。
在數據分析階段，使用統計軟件或AI輔助編寫分析代碼通常是可以接受的，前提是申請人理解每一步分析的含義。風險點在于：直接把數據交給AI并要求“給出結論”，然后照搬輸出。這種做法的問題不只是合規，更在于申請人無法回答“這個系數為什么顯著”“這個異常值如何處理”之類的追問。合理的做法是保留分析腳本、記錄每次模型調整的原因，使分析過程可追溯。
對于涉及訪談、問卷等質性資料的研究，編碼框架的建立屬于核心創新，AI可以輔助對文本進行初步分類，但編碼類目的確定、類目之間關系的解釋必須由申請人完成。
結論與討論：最不能交給AI的部分
結論與討論是論文創新點的集中表達，也是《指南》中“自主完成”要求最明確的區域。部分高校已明確規定，不得直接使用AI生成論文的主體內容、致謝等部分。
結論部分需要回答：本研究發現了什么、這些發現相對于已有研究新在哪里、存在哪些局限、對理論和實踐意味著什么。這些內容必須來自申請人對自己研究結果的理解。AI可以協助潤色語句、檢查邏輯連貫性，但如果讓它生成結論段落，通常會出現兩種問題：一是把分析結果簡單復述為“研究表明……”，缺少真正的提煉；二是引入研究并未支持的過度推論。
討論部分尤其需要申請人自主處理與既有文獻的對話關系，包括解釋為何本研究結果與某文獻不一致。這種解釋依賴對研究情境的深入理解，AI只能提供一般性猜測。
留痕與披露：把合規變成可證明的過程
“自主完成”不僅是事實狀態，也需要能夠被證明。建議在論文推進過程中同步建立三類記錄。
工具使用記錄：記錄使用了哪些AI工具、用于哪個環節、輸入了什么類型的指令、輸出被如何使用。披露的顆粒度應當讓讀者判斷AI是否觸及核心創新，例如“使用某工具輔助潤色第三章語言”與“使用某工具生成第三章分析框架”是性質完全不同的披露。
版本與過程記錄：保留分析腳本、編碼筆記、模型調整日志、重要的中間稿。當核心創新受到質疑時，這些材料是證明自主完成的主要依據。
引用與核對記錄：對AI輔助檢索到的文獻，保留核對原文的痕跡，避免出現無法溯源的引用。
在論文的適當位置（通常為方法部分或致謝前的獨立說明）如實披露AI使用情況，是多數高校的通行要求。披露不等于自我否定，隱瞞使用才是風險所在。
一份可操作的自查清單
在提交論文前，可以對照以下問題逐項自查：
- 論文的創新點能否用三句話向他人解釋清楚，且不依賴AI重新生成？
- 選題理由、研究設計中的關鍵取舍，是否有基于文獻和條件的具體依據？
- 所有參考文獻是否逐條核對過原文？
- 數據分析的每一步是否理解其含義，能否解釋模型選擇？
- 結論與討論中的判斷，是否來自自己的研究結果而非AI的泛化表述？
- 是否保留了足以還原研究過程的記錄？
- AI使用情況是否按要求如實披露？
如果以上問題中有任何一項無法肯定回答，建議在提交前補充相應工作，而不是依賴AI補寫。核心創新的自主完成，最終檢驗的是申請人能否為自己的學術主張承擔全部責任，這一點無法通過任何工具替代。
