AI 辅助工具

文献发现与摘要、代码编写与调试、写作润色与翻译、头脑风暴——LLM 在这些环节各有用处与风险（幻觉引用、错误代码、同质化表达）。本章给出每个环节的使用建议、核验方法，以及披露规范。

各环节的用法与风险

LLM 在研究各环节的用处与风险不同，逐环节看：

环节	用法	风险
文献发现	找线索、生成搜索词、快速摘要	幻觉引用——给的线索必须逐条核实（见AI 辅助工具的使用边界）
代码	生成样板、写测试、解释报错	错误代码静默通过——评测与关键逻辑必须单测（见研究代码的组织）
写作	润色、语法、表达多样化	同质化表达——LLM 的默认文风会稀释个人风格
头脑风暴	生成备选方案、反方观点	产生"看起来合理"的浅层想法——价值在启发，不在结论
调试	解释报错、提出假设	假设要按调试流程的顺序验证，不跳步骤

使用建议

• LLM 给的引用必须逐条核实：标题、作者、结论都要对上原文——幻觉引用进了论文就是学术不端（见AI 工具的使用边界）；
• 用 LLM 找自己文字的问题比让它重写更安全：让它当"批判性读者"（哪里没看懂、哪句有歧义）保留你的风格；让它重写则得到同质化的文风（见清晰的英文学术写作的个人风格）；
• 代码用途里，LLM 生成的东西按"陌生人的 PR"对待：读一遍、测一遍再合并——评测代码的 bug 代价是数量级的；
• 头脑风暴时把 LLM 当反方：让它攻击你的假设（"这个方案会怎么失败"），比让它夸你的方案有用。

披露规范

• 按目标 venue 的当前政策披露（见AI 工具的使用边界的政策谱系——政策仍在变化）；
• 作者对论文的每个字负责：LLM 参与的任何产出，责任在作者——这是所有政策的共同基点；
• 保密约束同样适用于 LLM：未发表的工作、评审中的论文，不上传给外部服务（见做审稿人的保密义务）。

工具的边界：LLM 加速的是已知环节（写作、编码、检索），不替代的环节是问题选择与品味（见研究品味）——把省下的时间花在后者，才是 AI 时代研究者的杠杆。

本章要点

• LLM 给的引用必须逐条核实
• 用 LLM 找自己文字的问题比让它重写更安全
• 披露政策见第九卷

相关阅读

• AI 工具的使用边界