消除学术论文中的 AI 味
核心原则
经验丰富的审稿人能一眼识别 AI 生成的文本。以下每一条都是会被标记的信号。逐条检查,全部消除。
检查清单
1. 引用格式 & 真实性验证
- 引用括号前必须加空格:
OpenVLA (Brohan et al., 2023)而非OpenVLA(Brohan et al., 2023) - 多引用保持格式统一:
(Brohan et al., 2022, 2023; Driess et al., 2023) - 逐条在 Google Scholar 验证每一条引用。LLM 极易编造看似合理但不存在的文献,这是学术不端红线,无例外
2. 加粗与斜体
适当使用 bold / italic 标注关键论断和术语,节省读者注意力。每页几处即可,切忌整句加粗。
3. 去掉多余引号
AI写作最爱用夸张引号做强调,一眼暴露:
- Bad: The challenge is rarely "predicting the next action correctly."
- Good: The challenge is rarely predicting the next action correctly.
引号仅用于直接引述或首次出现的专有术语。
4. 禁用破折号连接句子
破折号(em-dash)连接从句是 AI写作 标志性句式,改写为独立短句或逗号分隔:
- Bad: ...scales up the policy itself—through larger data, more unified action spaces, and stronger representations—including RT-1, RT-2, ...
- Good: ...scales up the policy through larger data, more unified action spaces, and stronger representations. Representative works include RT-1 and RT-2.
5. 避免反复列举
反复罗列长串引用:在 Related Work 完整列一次即可,其他段落只引 2–3 个代表性工作。每段都堆 10+ 引用 = AI 味。
6. 图片格式
- 避免 AI 生成的位图质感(nanobanana 风)
- 导出为 PDF 矢量格式,确保文字可选中复制
- 图表应看起来像 TikZ / draw.io / PPT 制作,而非 AI 绘图工具
7. 数学符号规范
| 类型 | 格式 | 示例 |
|---|---|---|
| 向量 | 加粗 | $\mathbf{x}$, $\mathbf{a}$ |
| 标量 | 不加粗 | $t$, $\alpha$ |
| 矩阵 | 大写加粗 | $\mathbf{W}$, $\mathbf{A}$ |
向量标量不区分 = 不专业或粗糙生成。
7. 实验图 Caption
- 图里面不要有大标题横幅(一眼nanobanana),只保留图下方的简洁描述性 caption(可以尽可能把细节描述详细些,只要文字本身避免AI味)
- 大号 "TITLE" banner 是 LLM 默认输出的典型特征
8. 幻觉引用——最危险的 AI 痕迹
单独强调:这是所有 AI 痕迹中后果最严重的一条。
- 每一条引用都必须手动在 Google Scholar / 出版商网站核实
- LLM 会用真实作者名编造不存在的论文
- 一条幻觉引用 = 学术造假认定风险
- 不要信任任何你没有亲自验证的引用。一条都不行
速查表
| AI 信号 | 修复 |
|---|---|
Author(Year) 无空格 | 加空格 Author (Year) |
| 引号做强调 | 删引号 |
| 破折号连接从句 | 拆成短句 |
| 每段堆 10+ 引用 | Related Work 列一次,其余引 2–3 个 |
| 位图风格图表 | 矢量 PDF,可编辑格式 |
| 向量标量同样式 | 向量加粗,标量不加粗 |
| 图上大标题 | 仅保留下方 caption |
| 未验证的引用 | 立刻查 Google Scholar |