论文疑似片段为低风险是什么意思
医学论文造假的天塌了！二月二十八号，国家卫健委突然甩出了一封文件，没有预告，也没有给缓冲期，上来就是三年的专项整治，八项硬决策，十七项具体任务， 从怎么查论文到怎么处理造假的人。也有人说，再不怎么干就来不及了呢。二零年一月，国际顶级的医学刊 bmg 发了一篇研究报告， 研究人员用 ai 扫描了二百六十多万篇学术论文，有超过二十六万篇论文被标记为高风险，疑似出自论文工厂。而这二十六万篇里，有十七万篇来自国内。 这十七万篇绝大部分是癌症研究领域的论文，占国内所有癌症研究论文的百分之三十六。什么意思呢？就是你随便翻开三篇国内学者写的癌症论文的百分之三十六，什么意思呢？就是你随便翻开三篇国内学者写的癌症论文的百分之三十六，什么意思呢？就是你随便翻开三篇，国内有一篇可能是假的。 这还只是 ai 扫描的结果。如果说数据太抽象了，那咱们看点具体的。你知道有人研究过男性子宫肌瘤吗？这不是开玩笑，在实用妇科内分泌杂志上确实发表过一篇论文， 研究了三十六亿男性进行子宫肌瘤提出书还有更离谱的中外医疗。二零一七年的一篇论文，说七十七例男性开展过子宫相关手术。 二零一八年，又有论文宣称，六十四例男性患有重度子宫内膜异位。河北宁津县一家医院的工作人员，在篇论文里甚至列出了四十六例男性产妇出血的案例。 男性产妇，这四个字摆在一起，稍微有点医学常识的人都知道有多荒谬， 但是这些论文就这么堂而皇之的发表了，作者来自全国各地，有大三届的，也有来自乡镇卫生院的小医院，他们被收入进数据库，被同行引用，成为学术成果，直到呀，被人当成笑话，截图传遍全网。 但是笑话归笑话，笑完之后得想想另外一个问题，是谁在写这些假论文？有人说是医院的医生跟护士，那为什么是他们呢？因为他们的晋升需要。论文 想从主治升副高，发论文想从副高升正高，发论文想当科主任，当博导还是发论文？论文是硬质标，没有论文，干的再好也升不上去。但医院里医生忙成啥样子，大家都知道，他们是有时间啊，还是有实验室？ 这个时候就大聪明出来算工资了，你不写职称就卡着，职称卡着工资就卡着，怎么办？买论文啊，买论文在过去十几年里成了一条灰色的产业链，什么带写带图，全程包办，几千块到几万块，一片核心的吸客就能到手，论文工厂就是这么来的。 一个三甲医院，少说上千号人，有支撑晋升的需求，这是多么大的市场？有需求就有生意，生意做大就形成了产业，产业成熟了，就有了流水线， 流水线一开，什么男性子宫肌瘤，男性产妇这种东西都能给你批量生产出来？有人说，这医院不是应该最痛恨造假吗？是也不是，你看那些医院裁员的消息，有的医院科颜康，我说老狗临床医学就要咔嚓咔嚓的裁，为啥呢？ 因为论文对于医院来说，是实打实的门面跟钱袋子。一个国自然项目少则是几十万，多则上百万，这些钱能养设备，能发工资，能撑门面。 论文的数量跟质量还直接影响医院的排名，排名上去了，病人不就来了吗？为临床医学上班拿个工资裁裁缝就是了。反正医学院每年毕业那么多人，不愁没人干。 所以你看，嘴上都要说严打造假，身体却很实诚。但是不管有多少理由，造假就是造假。 医学研究跟别的学科不一样，他最终是要落在人的身上，落在患者的身上。所以呢，卫建伟这次出手上来就是大招。以前有人耍小聪明，觉得发国外的乞丐就安全没人查。现在呢？ retract， the watch， parliament 这些国际数据库全部纳入了监测范围。你在国外发了假论文，被抄稿了，国内第一时间就知道了。 那国内企业也别想钻空子呀，像知网呀，万方随机抽查，先从微检为主管的企业下手，逐步覆盖所有的企业， 还有数据管理。以后论文发表以前，原始数据必须要上交单位永久留存。那些编出来的男性产妇，这些数据一查到原始记录，立马就会现出原形。然后呢，就是惩戒，从论文工厂买论文，伪造数据、虚构平身。人如果碰到这三条红线，代价有多大呢？ 十年内，别再申请任何国家项目，科技奖励、人才称号全跑腾，已经拿到手的全部吐出来，文件发布以后还敢顶风作案的，终身禁止，这辈子别想再碰科研。 靠造假拿到的职务支撑全撤，研究生导师暂停招生，严重的呢，直接取消资格，学会委员学术头衔一夜归零，整个科研圈彻底拉黑。 如果你想换个单位重新开始，没有人因为失信记录全网共享，走到哪黑历史就跟到哪， 这就叫一处失信，处处受限。然后呢，是评价改革不再单纯以论文数量且看级别论英雄。像基层医生啊，看门诊量、手术难度、患者满意度， 临床型医生看临床实践能力，科研只是一个加分项，只有专治科研型的医生才会重点考核科研成果。论文造假这事忙了这么多年，终于盼来动真格的了。 前几年靠水论文上来，那些人这回该睡不着了吧？您对这人怎么看呢？我们评论区聊一聊，我是凯哥，下期再见。
粉丝15.7万获赞294.6万
相关视频
03:17查看AI文稿AI文稿低价发表医学论文背后的风险到底是什么？大家好，我是朱老师，各位医务工作者、医学科研同行们，大家是不是都被职称评审、科研考核逼着急于发表医学论文呢？网上那些低价快速发表、千元发之网收入的西康 包，通过无门槛的广告，看着是不是特别的心动？但我必须提醒大家的是，低价发表医学论文，看似省了小钱，实则不仅会耽误你的时间，还浪费你的金钱以及背后的风险，足以毁掉你的职业前途。 首先最直接的就是发到假刊、套刊、非法刊，发表成果彻底无效。这些低价中介号称的这个正规刊， 要么是伪造 c n i s a n 刊号，在国家新闻出版总署根本查不到备案，要么是套用正规刊号私自印刷非法刊物，哪怕做了假的，这个收入官网也无法在知网、万方、维普三大正规数据库正常解锁。 凭职称岗位晋升科研结题时，人事部门一核验就会露馅的，辛苦准备的论文直接作废，所有努力全部都付之于东流。其次，一旦触碰低价 论文发表，学术诚信彻底崩盘，直接列入职称黑名单。医学行业对学术诚信要求是非常高的， 低价发表往往伴随着论文代写、抄袭、数据造假、写稿编造等学术不端行为。不光是发表的论文无效，一旦被单位卫监委或学术机构查实，会被计入个人学术诚信档案， 直接取消当年甚至多年的这个职称评审的这个资格，情节严重的还会面临院内院内处分、吊销职业资格的这个风险， 一辈子背上学术不端的污点，在医疗行业彻底抬不起头。再者，陷入连环的这个诈骗，钱财两空。很多低价中介先用超低价格吸引你付款，后续又以版面费、审稿费、收入费等各种名义反复的索要费用，要么你是拒绝付款就威胁撤稿， 涉及个人信息等你交，等你交完全部的费用，要么就是直接失恋，要么就是给你一本毫无用处的非法奇葩，想要维权却毫无门路，只能自认倒霉，白白损失钱财，最后还会损害个人的学术声誉， 阻碍职业长期的发展。医学科研容不得半点虚假，靠低价发表了虚假论文，无法为你的临床工作、科研能力提供任何的帮助，反而会让同行单位指引你的专业能力和职业操守。 哪怕一时侥幸蒙混过关，后续学术抽查、论文复审都会成为定时炸弹，随时都有可能被追责，彻底攸动， 断送近身深造的这个所有的机会。在这里真诚奉劝各位医学同行，发表论文千万不要贪图低价，贪图快捷，一定要选择国家正规备案、数据库正常收 的医学，其他走正常投稿的这个审稿流程，守住学术诚信底线，才是对自己的职业，对患者、对医学事业最负责任的态度，别让一时的这个侥幸，毁了自己辛辛苦苦打拼多年的这个医学之路。
00:59查看AI文稿AI文稿把论文上传到 ai 平台之后，会不会有泄露的风险呢？严谨点说啊，这个风险是存在的，确实有泄露的可能，那么我们怎么做才能避免掉这个事呢？大家记住以下三点，基本上就可以避免掉了。我们写完论文之后，基本上都会用 ai 来辅助一下啊，做一些工作，这样会节省很多时间。 但是为了避免啊，他会泄露，那么我们做好如下三点，第一点就是你上传的时候一定不要通篇整篇的上传啊，一定要给他分开 啊，以几个部分进行上传，或者说几个段落上传上去也可以。那么第二点就是一定要把你的图和表删掉之后再上传图标一定不要放上去。那么第三点就是把你论文里面的主要数据一定要先删除掉， 如果说泄露了，他没有主要的数据，那这个东西基本上价值就不大了，这就可以极大的规避掉泄露的风险，所以说这么做呢，会保护你的学术成果。
916小李同学（硕博）
02:42查看AI文稿AI文稿论文发刊如何规避被骗？我最近呢发现了一个问题啊，经常呢刷到有很多的作者发文说这个论文发刊被刊中介骗了，今天呢，我就给广大作者带来一些干货，尽可能的让我们去规避掉这些骗子公司。首先给各位作者呢科普一下， 刊一般分为普刊、学报、核心。一、绝大部分的普刊都是可以先审稿，六月后再给你，不需要定金且可以查稿。需要注意的是，我这里说的是绝大部分，并不代表所有的普刊。二、学报和核心 相对于普刊来说呢，操作的难度大，周期基本上是在一年以及一年以上，且对作者的这个直充和单位都是有要求的，比如在读研究生或者职中职，单位中级直充有没有基金项目，都可能导致发不了。其次，学报和核心在审稿之前都会收取部分的定金，并且绝大部分是无法查稿的， 就会导致很多的作者被骗。那期刊分析完之后呢，接下来为大家总结一下如何尽量规避不靠谱的中介机构。首先是核心一、时间周期，但凡说周期几个月就能给你操作下来，健康的坚决不可信， 一般正常的周期都是在一年半左右。二、看金额大小，什么两万多就能够给你操作，北河南河，甚至还送你发一篇普刊的也不可信。 三、期刊选择，你给他说你想发哪本刊，他都可以安排，只要是你提的需求都可以满足的，就要小心了。四、遇到中介，跟你说类似于数量有限，先到先得，今天是什么节日，公司几周年等等，给了很大很大的优惠的，这个时候希望作者自己一定一定要清楚，发核心不是杂志社求着你，是你想发还要看你自己有没有资格。 其次就是学报，学报的操作周期啊，基本上是在一年左右，价格比普刊贵，比核心便宜，对作者的这个资质要求略低于核心，一般在读研究生及以下的都比较难发。最后是普刊， 普刊是最好防止被骗的了，因为他可以申稿，不要定金，一般有些中介会收，但也仅是怕作者黄稿收个几百块钱。意思一下， 作者在沟通前可以先问清楚具体的流程，比如说可不可以查稿，是否是版权页查稿，这是重点说一下啊，所谓版权页，就是三大数据库能够解锁到的电话或者官方邮箱。 最后再总结一下，不管是发哪种类型的刊，一个靠谱的编辑，他一定会有很多成功的案例，也会有很多失败的退款案例。那我们这个时候呢，可以让他给你发一些跟其他作者从加上微信到文章出刊邮寄，甚至让他可以让他提供一些 没有给作者安排成功的退款的聊天记录，甚至我们可以让中介提供跟渠道或者杂志社的沟通开会信息或者转账记录的截图，这些看似简单的截图啊，却只有真正靠谱的编辑才能够提供到。另外，如果说只有其他作者转款成功的截图的话， 也一定要小心，因为这些人可能一样也是受害者。最后祝各位作者都能够如愿发文，顺利毕业，停止成功吧！
18:07查看AI文稿AI文稿那你的这个论文可能就成了大模型的训练数据库了，这些规定嘛，有时候是人去操作的，那么人的话它的变数就很大了，比如说一些人的话，他可能是有目的的，也可能是不小心。今天呢，做一个专题分享，这个专题分为三个部分，今天是第一部分， 主要内容是 ai 助力科研，怎么样去运用大模型，还有一些比较新的一些科研工具帮助我们去进行研究。介绍一下通用大模型。 想要知道通用大模型的背景和发展历史的话，那就有必要先从人工智能的发展去简单的去说一下。图中大概分为了几个阶段，从一九五六年开始，它是一个起步发展期，就是一个人工智能诞生的这样一个窗口，有一些机器定力证明，还有智能跳棋程序，这些 大家或多或少也有过体会。在我们很小的时候，可能那会手机上面一些象棋啊，或者一些五子棋，一些游戏，那会还是比较简单的人机对战，他们是一个能力是很弱的嘛，我们跟他下的话，基本上是都能赢， 但是现在可就不一定了，如果大家去尝试一些这方面的游戏，大家就能感受到了，想下赢计算机其实是非常困难的，说明他的一个进步。然后呢，他又陆续经历了初冬、初秋、寒冬 不同的这样一个阶段，直到近几年提出了这个大模型，它处在一个蓬勃发展的这个爆发期，也就是说人工智能发展，它并不是说一直以来都受到许多人的关注，能力也非常的强，并不是这样， 它在发展早期的话，其实很多人是不看好它的，因为那会它只是一些比较简单的代码，别人都觉得它是一个重复的迭代，并没有什么智能的体现。但是后面随着海量的数据的涌入， 还有这算力的发展，带来了人工智能发展的一个蓬勃期。所以说在早期的研究当中，人工智能相关的这些研究学者其实是不被大家所重视的，也没有很多人愿意研究它，只有少部分人一直在坚持，可以对这几个阶段进行一个简单的总结。 首先是一个人工规则的时期，这是一个比较早期的时间，从一九五零年开始，主要是基于少量的数据，它的一个基本的思路的话是基于专家知识和规则的这样一个设计。后面的话有一些统计机器学习的方法，比如说我们所熟知的这个知识向量机 还有等等决策术，这种的数据的话稍微多了一些，但是它整个对算力的要求还是比较低的。包括后面大家可以看到，像深度学习模型被提出，并不意味着传统的这种统计机器学习的方法就没有价值了。这其实也不是的， 因为统计机器学习的方法，它虽然说性能上可能会有所欠缺，但是它具备一定的可解释性，比如说这个决策术，还有决策术类的这种算法， 它的可解释性是比很多深度学习的算法要好的，所以说在不同场景上也会有不同的这个应用。后面的话有一些预训练的模型，还有大圆的模型， 比如说从二零二零年开始就是发布了许许多多的大模型，最初是有发布了一些 g、 p、 t 各种版本的一些大模型，它的话数据更多，它也是基于这样一个 训练家微调的这样一个思想，也就是说人工智能整个的发展，它是经历了许多不同的阶段的，也逐步的成为当下一个比较热门的这样一个技术潮流吧。简单的总结一下，这个大模型呢，它的概念是什么呢？一般它是指参数规模庞大、计算机构复杂的记忆学习模型， 这类模型一般基于深度网络构建，参数量可达数十亿甚至数千亿也可以看出呢，其实大模型它并不是设一个什么呃，非常玄学的东西， 它其实只是一个非常复杂的模型而已，参数量跟以往的神经网络相比大了几倍甚至几十倍。那么它的目的主要是在于提升模型的表达能力和预测性能，使其能够处理更加复杂的任务和数据。 这个相信大家也能够感受的到，比如说这个我们日常的使用大模型的过程当中，它的一个表述能力，还有它对我们提问的这样一个理解能力， 其实就体现为了这一个表达和预测性能。那么大模型呢，在各种领域都有广泛的应用，包括自然原处理等等，它呢主要是通过训练海量数据来学习其复杂的模式和特征，具有更强大的泛化能力，可以对未见过的数据做出准确的预测。 这里简单的总结一下小模型和大模型的一些区别。从数据层面来看呢，小模型的话，它一般一次性标注适量业务数据 就可以去运用。从模型层面来看呢，小模型重复开发使用率比较低，它的精度也比较低。 那么对于大模型而言呢，一般都是通过域信链加微调的形式。从业务层面来看呢，小模型研发周期长，通用性较低， 这个什么含义呢？就比如说我们针对不同的场景预测不同的东西，可能他这个小模型都会不一样，因为背后反应的机理知识在变化了，这个场景也变化了，预测变量的类型也变化，就会导致这个小模型的可移植性 就成为一个比较大的挑战，所以说它的研发周期会比较长，通用性比较低。那么对于大模型的话，它一般的通用性比较高，快速响应的能力具有，这是小模型和大模型一个简单的对比。当然了，在实际应用过程当中，其实也不是说啊，小模型就全方位的弱于大模型，其实也不是的， 大模型它尽管通用性更高，但是它在某些特定的场景下，其实它表现的并不如小模型这么智能，所以说 大家使用的时候可能还是要根据自己的这个需求去选择相应的模型好。接下来的话，主要是对它进行一个能力的这样一个概括。那么大模型它一般规模比较庞大，这边刚才已经说过了，它的参数都非常多的。其实大模型它还有一个非常特别的能力，就是一个涌现能力， 一个智能的涌现。其实它是指多个小个个体在相互作用过程中形成更大的整体，并表现出个体原本不具备的新特性，对应到大模型领 域涌现能力是指当模型规模和训练数据达到一定程度后，模型会表现出小模型所不具备的复杂能力， 更强的综合分析、推理和问题解决能力。这种能力往往具有一定的突发性和不可预期性，因此被认为是大模型最突出的特征之一。这里指的是什么呢？其实用我们人脑来理解的话，人脑当中有很多神经元，其实对于单个神经元而言，他的活动其实是比较简单的，就是一个外部信息的刺激， 加上里面特定信号的激活，然后这个信号的话会在神经元之间传递。简单来说就是单个神经元他的一个工作原理了。 但如果当成千上万个、上亿个神经元组合在一起构成我们人脑的时候，他就体现出来能够对某一个事物有一个认知， 对他有一种这种特征的提取，还有在给我们人脑建立一个映射，去思考我们在看的是个什么东西，这个东西会有什么样一个问题，会产生什么样的后果，呈现出这种智能涌现的这种能力。其实对于大模型它也是一样的， 它正是因为参数的不断堆积，再加上有很大量数据的输入，导致它出现了一种智能涌现的现象。当然现在它这个智能涌现跟人脑还是不能比的，在未来的话很有可能就能够把智能推到一个非常高的程度。 因为不管怎么说，大模型它处理数据的能力应该是比人脑要强的，因为它能够在短时间内去分析海量的数据，并且对它有一个记忆和推理的作用功能啊，但是我们人脑的话，处理的数据还是比较缓慢的， 不可能说你在一天之内你学习那么多的数据，这个我们人脑都会超负荷运行了，对吧？我们会感到非常的疲惫，但大模型它不存在这个问题，它只需要有供电，再加上有一定的资源。 那么大模型呢，它通常具有更强的学习能力和泛化能力，能够在多种任务中取得较好的表现，例如自然语言处理、图像识别和语音识别等等，主要是列了一些我们偶尔会听说到的这些大模型的一些发展历史。那么从一九年开始 到二零年二一年，就是每一年刚开始也带的还比较慢，到后面的话，可能没几个月就会有一个新的大模型出来。 有些大模型呢，可能他在某一个方面能力比较强，比如说图像处理啦，文本处理啦，表格处理啦等等。但是呢，有很多模型呢，其实在发展的历史过程当中也被淹没掉了，不断的推陈出新嘛，如果模型能力不是很强的话， 他就会被后来者居上给不断的迭代掉。最近的话，当然也有一些新的模型，这些模型相信大家啊，有一些也用过，有一些呢，可能也没用过，简单的绘制了一个大模型的这样一个能力图谱，大家可以看到它包含的能力也是非常多的，各种的包括辅助决策啦，风险评估啦， 翻译了，异常检测等等等许许多多功能。那么我们在日常生活当中可能也会对里面的部分功能或多或少会有一些应用，总的来说的话，它的功能可以大致分为三类，一个呢是语义分析， 它主要的指的是三个功能。第一个情感分析，就是对评论反馈对它进行一些分析，得出这个是一个正向的还是一个负向的。 第二个呢是地图识别，比如说客服对话啦，用户查询啦等等这些。比如说像我们日常购物的时候，他会有很多人工智能的客服，包括打一些官方客服的时候，有的时候如果不是很智能的话，也会给我们带来一些困扰，当然这个技术也在不断的改进嘛，还有一些实体提取的功能。 第二大类呢，比如说我们有文本分类的功能，它呢主要是对一些新闻或者一些邮件标签化的这种分类，它还能够有一些垃圾内容检测的功能，比如说我们有的邮箱过去检测出来它是不是垃圾邮件的可能性。第三大类呢是一个知识推理的功能，它呢主要指的是一些逻辑问题的解答， 比如说有一些数学知识或者一些常识的推理，这个呢其实大家可以去试一试，比如说你给他两个 公式，两个公式中间呢？其实他比如说也省略了很多步骤，你让大模型给你回答出来，一般情况下他还是能有一个比较好的推理效果的。当然最好是你这两个公式是属于一个 你不知道，但是呢现有的知识当中已经证明了的东西，回答的会比较好。如果是一个你不知道，而且现有的知识当中没有直接证明的这样一个过程的话， 那他的回答可能需要结合你自己的思考去进行理解，他未必准确，但是应该会给你提供不少有价值的参考信息。第二个的话，是一个因果分析的功能，可以对很多事件之间他的关系进行一个分析，看看他是不是具有因果的这样一个可能性。 从他的能力上来分开的话，主要可以分为推理大模型和非推理大模型呢，指的是能够在传统的大语言模型的基础上，强化推理逻辑分析和决策能力的模型。 他们通常具备额外的技术，比如强化学习、神经符号推理、原学习等，来增强其推理和问题解决能力。非推理大模型呢，它适用于大多数人物， 一般侧重于语言生成、上下文理解和自然语言处理等等，而不强调深度推理能力。此类大模型通常对大量文本数据的训练，掌握语言规律，并能够生成合适内容，但缺乏像推理模型那样复杂的推理和决策能力。这边呢，也总结了一下，推理模型和非推理模型 就是一些通用模型他们之间的一些不同。比如说呢，推理模型他可能更加擅长数学推导、逻辑分析、代码生成、复杂问题拆解的能力。 而通用模型呢，它更擅长文本生成、创意写作、多人对话、开放性问答等等功能。那么它们也就是有各自的劣势，比如说推理模型的劣势呢，就在于它对一些发散性任务可能处理的比较差。那么通用模型呢，它一般需要一些 严格逻辑链的这样一些任务性能的本质。推理模型的话，它是专攻于逻辑密度高的任务，什么叫逻辑密度高呢？你所问的这个问题它里面包含了很多的小问题，这些小问题之间又是环环相扣的，而不是说是并列的，是发散的这种，它是属于一种串型的，从 a 到 b， 再从 b 到 c， 然后它这个环节还非常的多，这就属于所谓的一个逻辑密度比较高。推理大模型呢，它一般擅长处理一些多样化的任务， 那么从强弱上来看呢？其实推理模型它也并非全面更强，它只是在某些方面更有优势，在我们日常的这个使用当中的话，也需要大家根据自己的需求去选择这个合适的模型，并不一定某个模型就更强。比如说看起来这个推理大模型似乎更强， 但是其实它有它的问题，如果说我们进行一些语言润色，或者一些对文本的理解，或者和我们去正常的交流这样一个功能的话，其实推理大模型它有它的弱势的， 他把应该一些比较自然的这种比较流畅的回答，刻意的把他说成一种非常具有逻辑的这样一种形式，但是呢他有的时候其实是在乱说， 而且让这个语言写的非常的没有那种比较平时的感觉，不像是人说出来的，这就会造成很多问题了，不管是你就是完成一些课程论文或者一些科研写作，导致写出来这些文字就非常的奇怪，逻辑，他就是一种正常的比较自然的这种表述， 那么推理大模型他就会把他刻意包装成那种形式，就显得非常刻意，所以说这个其实也是他的缺点呢，那么对于这个非推理大模型的话，其实他在很多的文本理解和语言润色上的话，他表现的就非常好，说出来一些话或者帮我们写的一些东西， 就显得非常的人性化，更像是正常人说出来一些比较自然的这种语言吧，不管是用在写作上，还是某些大家自己的工作任务上，它肯定显得更加的合理一些。第二块主要想给大家介绍一下一些常用的一些科研大模型，各个公司他们基于大模型的这样一个架构， 去使用特有的一些学术的数据库对它进行训练，开发了相应的功能。 当然所有的这些功能都是基于大模型它本身的一些能力去做了。一个我个人为是更好的一种人机交互吧，省得我们自己去设计一些提示词之类的，它把它拆解了，模块化了呈现给我们。 那么这里呢，简单的列了一下，常见的一些科研大模型，又是由各个公司开发的，比如说有 icu 开发的这个 scopes ai， 还有像同方之网开发的，智谱开发的，还有一塔科技公司等等。这些开发的大模型的这样一个 ai 工具， 它也要遵循一个基本思想，就是用户呢需要输入一些提示语， ai 系统呢会处理它，并且深层相应的输出。那么提示语呢，一般包括四个部分， 这个指令上下文输入，还有输出格式，如果用过的话应该比较熟悉，大家可能会觉得，哎，有的时候我没有这四个部分当中的一个或者两个三个，但是回答的也还行， 但这时候呢，就会有一个概率问题，如果说你把问题描述的更清楚，你能得到高质量回答的概率会更高。同样一个大模型，不同的人去提问，他得到的答案的质量肯定是不一样的。 ai 大 模型的时代，其实更能够拉开专家和普通人之间的差距，怎么样学会提问，这个还是需要能力的，一方面需要去知道从题诗词的角度来看，遵循的一些基本的一些技术规范，这是一个。 第二个的话，跟你脑中的知识储备其实是有关系，如何问出一个正确的问题，如何从一个好的角度去思考，这个其实是更重要的东西， 你从不同的角度去思考，得到答案肯定是不一样的，能体现出来你对这个问题的理解的深度，所以说这个其实也是非常重要的。所以说大家除了这个用好大模型之外，还是要提升自己的知识储备吧，给大家规划了一些这个精准定义任务，减少这个模糊性。第二个呢是适当分解任务， 降低 ai 的 这个认知复合。第三个呢是引入一些引导性的问题，提升生成内容的这样一个深度。第四个呢是控制提示语的长度，确保生成的准确性。 第五个是灵活运用开放性提示和封闭性形式。这边列的这些策略呢，看起来是比较的书面化，说的简单一点呢，第一个无非就是把问题说清楚，对吧？第二个呢就是把问题拆解一下。第三个呢就是去引导一下。第四个的话就是说注意长度， 不要写的过长，要不然他捕捉不到重点。第五个呢，就是你要像这个大模型有开放性思维还是封闭式思维选择设定一下，那么这些的话，相信大家在日常使用当中不一定会遵循所有的策略， 我建议大家在不同的问题当中把这作为一些参考，不一定说每一个策略都要用到，在出现一些回答上的问题的时候，考虑一下自己是不是有哪方面没有注意， 把相应的策略给应用上去，提升自己提问的这样一个质量。嗯，也不是说每一个问题，每一次这个对话都要把所有的策略都用上，大家去灵活运用吧。右侧的话是一些在写作过程当中，从这个论文选题、文献检索、 文献分析、文献管理和阅读，到后面的论文写作、翻译和润色，到最后的论文投稿等等的这些过程当中，我们所需要注意的一些东西，我们注意需要可能会用到不同的这样一些模型，因为他都会有各自的特点嘛，比如说像这个 蜜塔写作猫或者星火科研助手等等这些他可能在论文写作、翻译和润色的这些环节，他有一些特有的功能上的设计，包括像后面的论文投稿过程当中， 有一些相应的这样一些助手，细看它这个投稿系统里面，它会有预设的一些 ai 辅助检查的工具，对你的论文的格式，对你的参考文献 等等各方面它会有一些呃提前的检查，它自己呢，也可以在对文章内容进行透明处理以后，比如说对一些关键的数据信息，还有一些标题啊等等这些内容， 作者信息啊，这种进行隐藏以后，去发给大模型，让他是不是能帮你给审稿一下，一定要把一些关键的这种信息给去除掉吧，避免造成一些创新点的或者这种思维的泄露。 那你的这个论文可能就成了大模型的训练数据库了，在你文章没有发表出来之前，可能还是有一些风险的吧，我个人觉得，尤其是国产的一些大模型，他们在后台有时候是能够看到你的数据的，大家一定要注意吧，我相信最近 不知道大家有没有看到 ai 平台上也是存在一些信息泄露的风险。这里面其实有时候并不是说是管理上的问题，制度的层面来讲的话，其实他们是有相应的规定的，比如说这个对客户隐私他们有什么样一个规定之类的， 但是呢这些规定呢，有时候是人去操作的，那么人的话他的变数就很大了。比如说一些人的话，他可能是有目的的，也可能是不小心会造成一些隐私上的泄露，还是尽可能去做一些这后面处理吧。今天就到这里，我在不久会发布另外两个专题。好，谢谢大家，再见。
67咪的因果推断
03:57查看AI文稿AI文稿写硕士论文在用 ai 的 同学，我说下， ai 不是 不能用，就怕你用错地方，直接触红线判学术不端。很多同学硕士论文踩坑不是写的不好， 纯粹是分不清 ai 哪些能用，哪些不能碰，哪些是高危灰色地带。今天不绕弯子，直接给大家把硕士论文 ai 用法分成安全区、灰色区、 致死违规区三类，讲清楚，对照着用文文保你学位安全。第一类，闭眼用 百分百安全放心区。这些用法所有高校全都认可，纯纯辅助干活，一点学术风险都没有。放心大胆用用 ai 翻译难懂的外文文献， 检查论文通篇语法和拼写错误，帮你规范整理文献阅读笔记，生成数据图表、可量化代码，记住核心，只要是帮你省时间做杂活，不碰论文核心观点和论文写作的， 全是安全操作。第二类，谨慎用一碰就翻车的灰色高危区，这个区域最多人中招，看似没事，实则风险拉满，全靠拿捏分寸。 就是用 ai 给论文做语言润色，句式改写，轻度微调，语句通顺度基本没啥问题， 但只要重复改写，大篇幅替换话术，立马就会被 a、 x、 c 检测，精准识别灰色地带。核心就一句话，只能改通顺， 不能改文风，改多必出事。第三类，绝对别碰，一碰直接凉凉的。明确违规区，这几种操作没有任何商量余地， 查出来直接定性。学术不端，千万别抱侥幸心理，直接让 ai 生成论文。论文内容编造虚构实验数据，代写整篇文献综述，帮忙赚写核心研究结论、核心写作核心数据、 核心结论三大核心环节， ai 一 律不能代劳，谁写谁违规。用过 ai 怕被查？ 教你一招安全补救实操！很多同学都问我没让 ai 代谢，劝问就个别段落梳理思路，组织语言，现在怕检测不过关，该怎么办？ 记住别删别改瞎糊弄。唯一正确做法就是诚实处理。学校允许 ai 辅助的，就严格按学院要求，在论文里规范做好 ai 使用声明，写清用了哪些工具， 用在哪些段落，具体用途是什么。学校明确禁止 ai 的， 就把所有 ai 辅助过的段落全部彻底重写。给大家一个万能重写防检测绝招，先吃透段落核心意思，关掉 ai 原文， 凭自己理解和记忆重新动笔写，这样写出来逻辑不变，意思不变，但错字风格全是你自己的，自带个人写作痕迹，检测系统根本查不出来。最后必须提醒一句， a x c 检测技术一直在持续升级，现在的检测早就不只是查文字母版了，还会分析你的写作习惯、行为风格、逻辑，别想着靠各种小技巧伪装糊弄，短期或许能躲过去，后期复查随时会翻车。 说到底， ai 是 提高效率的好助手，不是代写论文的工具，辅助工作，放心用核心内容自己写，你的硕士论文才能稳稳过关，顺利毕业！
60喻教授谈硕士论文
01:17查看AI文稿AI文稿建议大家在论文提交给导师之前，去修改一下里面的细节，比如说这个目录，我们随便点击一下它都会变灰，这样不仅影响老师审阅，而且会显得你很不专业。我们要怎么样修改这个问题呢？我们找到这个文件，它这里会有一个文字偏好设置，我们打开试图找到这个域底文，在这里选择不显示， 这样子我们随便点击这个目录它都不会变灰了。还有一个问题就是很多同学的论文都是用 deep 或者豆包写的， 拿去 ai 检测的话，它里面的高风险部分会被标红，这样的文章是会被判学术造假的。那我们要怎么样去除文章里面的 ai 味呢？ 其实方法非常简单，我们来到这个写作工具，找到加 aigc， 这里的内容呢，其实就是我们的检测平台，我们就按照学校的要求去选择织网， 然后这边可以上传我们的论文原文或者 ai 检测报告，上传好之后，他会对我们上传的论文进行分析整理，以段落的形式呈现在这里，我们觉得他哪个片段 ai 率比较高，机械性词语比较多，我们就直接勾选上，最后再一键降重降 ai， 不 到一个小时， 这样一篇两万多字的初稿就能够成功地被修改完成，而且它整体的大意和字数都是没发生什么变化的，它就是修改了里面的一些关系性词汇，我们最后再把它拿去 ai 检测，就会发现它的 ai 率只有个位数了，可以直接使用了。
261小茉莉
01:00查看AI文稿AI文稿为啥？论文答辩最后能不能过取决这点风险。 打开检测，永久免费查重， 查重显示百分之八十一点六，到首页优化 到检测页面看下结果， 结果显示 ai 率为百分之零。打开之网看下结果是否一致， 知网查虫显示一致，都为百分之零。
0阿哈时刻
00:52查看AI文稿AI文稿这篇论文通篇都是 ai 写作的典型特征，究竟是从哪些地方看出来的？因为 ai 生成的文章是没有长短句交替的，都是长句跟长句的一个结合，这是第一点。 第二点，在提出什么，构建什么的时候，大家喜欢用双引号进行一个框定。第三点，在结果表达上， a a 一 般会使用括号的形式进行结果的表达，我们通常表达的话不会这么表达。 第四点，在写作格式上， a a 会通过分层次进行表达，像这样子，那如何去除这些 a a 位呢？ 可以在 ai 中输入这几个指令，这样生成的文章就少了很多 ai 位。或者直接用这个，专业猫可以直接免费查虫，查 ai g 吸率，降虫降 ai g 吸率！
66oc
01:09查看AI文稿AI文稿毕业论文写完，一查 ai 率百分之九十六，这可咋办？自己降太麻烦，效率还低。别急，今天分享一个 free 版查 ai 率降 ai 的 实用工具，我们搜 speed ai， 这个就是每天你都可以 free 版查五次 ai 率。特别好的一点是，它可以根据你学校所用的库，提供更加准的 ai 检测服务。 比如我查了一个检测报告，就非常清晰的展示出 ai 率高达百分之八十六，有问题的部分都标红了。 这是因为它针对之网维普特意训练了单独的模拟检测模型，与官方结果相差不大，比其他免费检测更贴近官方结果。 而且你降 ai 率也非常方便， speed ai 帮你构建了多个平台的模拟系统，包括之网维普、格子达、大雅万方，根据你学校要求选择。接着你上传内容，同时有报告的话还可以上传报告， ai 自动精准修改标红部分合格部分不修改， 这样 ai 的 效果也特别惊艳，把每一个改动过程都用红绿颜色标出，不合适的你还可以 free 重新生成。最实用的就是文件格式完全不变，不用你再花时间修改，这下我们再检测 ai 率就轻松顺利到零。记得试试邀请码 free 点数哦！
889大禹学长
01:39查看AI文稿AI文稿在如今这个时代，你是不是也经历过这样的困扰？自己花心血写的论文，投稿后呢，却收到邮件说疑似 ai 生成，要求解释或者直接退稿。更让人无奈的是呢，有些人呢，只是为了语言通顺，用 ai 稍微润色了几句， 结果呢，整个稿件都被打上了高风险标签。这已经成为了很多学者投稿时的新焦虑。 ai 检测工具呢，却未必完全准确，一旦被误判， 申诉过程漫长，还可能影响学术声誉。正是因为如此呢，找到真正可靠、能让你彻底放心的写作支持变得格外重要。这就意味着呢，他必须建立在两个基础上，一个呢，是真人全程创作，二呢，是每一步都可验证。 在学姐这里呢，从小题搭框架、查文献，到分析、写作修改，全部都是由相关领域的写作老师亲手完成。嗯，我们不使用 ai 生成内容，也绝不套用模板。因为我们相信啊，扎实的研究和真正的思考，是任何工具都无法替代的。 更重要的是什么呢？我们全程透明，每一篇稿件在交付前，每一次的返修后，都会经过严格的 a、 i、 g、 c 率检测，并附上清晰的查重报告。就像这样，嗯，每一份报告呢，都可查可验，让你清楚的看到，这里边的每一个字，都来自真人的思考和书写， 学术之路容不得模糊地带。我们承诺，绝不用 ai 生成内容替代真正的写作。你的研究值得被认真、踏实、透明的对待。如果你也在寻找这样一份能够让你安心省心并且经得起检验的支持，欢迎随时滴滴。
15社科小师姐
02:08查看AI文稿AI文稿导师为什么会压着论文不让你过？你的论文明明改了十几遍了，导师还是不让你过，到底是为什么呢？难道是老师故意卡你吗？ 其实大部分导师压着论文不让过，不是针对你，而是因为这三个原因，尤其是第二个原因，百分之九十的学生都踩过坑。 第一个原因是你的论文质量没有到线，很多同学以为格式对了，字数够了就能过了，但导师看的是逻辑结构 研究深度查重风险，还有 ai 痕迹。尤其是现在抽查越来越严，导师比你更怕出事，你觉得能教，在导师眼里可能只是初稿。 第二个原因，你不会按照导师的思路改。导师最怕的是什么？最怕的是意见给了你改不到点上，让你补文献，你改错词，让你重写框架，你只调顺序， 导师会觉得和你沟通成本太高了，宁可压着不放，也不愿意放一个有隐患的论文出去。很多论文卡住，不是内容问题，是不会按照意见改。 第三个原因，导师在帮你规避风险。有些导师拖不是在压你，而是在帮你避坑。你的查重不过毛审被打回抽检出问题，最后追责，可能会追到你的导师。 导师卡你，有时候恰恰是为了让你能顺利毕业。如果你的论文一直不过，不要盲目反复改，先做三件事，第一，看导师的意见你是不是改到位。第二，排查查重和 ai 风险。 第三，重新梳理框架逻辑，再给导师看。论文被卡并不可怕，可怕的是不知道为什么被卡。如果你现在正在导师压制论文不让你过，你懂的，私我，我来帮你解决。
225刘老师代写文章
