抓抄袭百发百中却误杀96%顶会成果：拆解AI科研流水线的新颖性审查机制

让 AI 决定哪个科研点子该拿算力去跑，96% 能发顶会的好成果，会被它直接扔进垃圾桶。 这不是瞎猜。 伊利诺伊大学厄巴纳-香槟分校的团队刚做了一组测试。 现在搞自动化科研，最热门的方向就是 AI 科学家流水线。 模型自己脑暴出几百个研究构想，然后申请 GPU 算力，去跑代码、做实验、写论文。 但算力很贵，不可能每个构想都给几百张显卡去跑。 流水线中间必须设一道门卫：新颖性审查。 门卫通常也是一个大模型。 它的活很简单：读完提案，搜一下学术论文库，看这个点子以前有没有人做过。 判定没有创新，直接驳回；通过了，才给批算力。 这个审查门卫抓抄袭厉害吗？ 厉害极了。 研究团队把 95 篇已经发表的人类顶会论文，用不同的语法和句式改写了四遍。 整整 380 篇改头换面的伪装抄袭提案，被这个门卫全部当场抓获。 一个都没漏掉。 听起来很靠谱对不对？ 紧接着，研究人员把人类科学家后来真正做出来、并且成功发表的一批有效构想，喂给了同一个门卫。 结果让人大跌眼镜： 96% 的有效构想，被门卫当场否决了。 也就是说，如果全听 AI 的，人类后来发表的大量前沿论文，在最开始连一行代码都跑不起来。 为什么抓伪装这么狠的系统，误杀率会高到这种离谱的地步？ 问题出在大模型的审查方式上：打包全审。 现有的审查机制，是把几页纸的提案当成一个整块扔给大模型。 大模型带着整篇文本去搜学术库，一搜就慌了。 因为真实的科学研究，几乎没有一件是从石头缝里凭空蹦出来的。 绝大多数科学突破，都是在巨人肩膀上挪一小步。 比如你用别人成熟的模型架构，去跑别人开源的数据集，改动的是一个关键损失函数； 或者你把计算机视觉里一个经典的注意力机制，第一次搬到蛋白质折叠的问题里。 大模型打包一搜，发现这个模型别人用过，那个数据集别人测过，甚至核心名词文献里全都有。 它一看重合度这么高，立刻亮红灯，把这种继承性的增量创新，通通当成抄袭枪毙了。 在它的逻辑里，只要你借用了一点已知成果，你就是非原创。 伊利诺伊大学的研究团队为了解决这个毛病，做了一个叫 ClaimNov 的新模块。 他们的解法很干脆：把提案拆开审。 不让大模型凭感觉整体打分，直接把整份提案拆解成几条独立的原子主张。 你要解决什么问题？ 你用了什么具体方法？ 你用了什么数据集和资源？ 你预期的核心实验结果是什么？ 把这些主张一条一条抽出来，分别跟已有文献做文本匹配。 方法是已知的？正常，文献里确实有。 问题是已知的？也很正常。 但是在这个特定的问题上用这个方法、达到这个指标，文献库里有没有人主张过？ 没有。 ClaimNov 把这几条主张分别核对的证据单，清清楚楚摆在审查大模型面前。 大模型这下看明白了：它确实借用了现成的方法，但它在关键结果上提出了一步全新的东西。 改完之后再测，效果怎么样？ 那 380 篇改头换面的抄袭论文，依然被抓住了 97%，只漏掉几篇。 而那些人类后来成功发表的正常科研点子，误杀率直接从 96% 暴跌到了 1.5%。 自动化科研最缺的，从来就不是脑暴点子的速度。 难的是筛选门禁：一口气生成一万个构想并不费劲，考验在于门卫能不能看懂，谁在改头换面抄袭，谁在踩着前人的阶梯往前走。 如果门禁只懂得看整篇重合度，算力哪怕堆到天上去，最后保送出来的，也只剩那些听起来玄乎、根本没有根基的空中楼阁。