Nicholas Polson 與 AI 生成學術論文的爆發

AI 驅動的學術出版量

Nicholas Polson 到 2026 年已撰寫 258 篇學術論文，如此龐大的產出引發了關於學術研究完整性以及生成式 AI 對學術傳播影響的廣泛爭議。這種產出的激增凸顯了大規模內容生成能力與傳統同行評審及學術驗證標準之間日益增長的矛盾。

預印本與同行評審期刊的區別

討論中的一個關鍵爭議點在於，這些作品是否正式發表於同行評審期刊，還是僅上傳至預印本伺服器。

我理解這並非有 258 篇正式發表於嚴謹同行評審期刊的學術論文，而是僅有 258 篇「預印本」上傳至免費的預印本伺服器。這就像在 WordPress 上發文，但使用 PDF 而非 HTML。

預印本伺服器允許作者在正式同行評審前上傳稿件。此區別至關重要，因為預印本並未獲得領域內獨立專家的審查，因此其權重遠低於經過同行評審的研究。這些伺服器允許上傳 PDF 檔案，使可見作品的數量迅速增加，但未必代表品質或知識貢獻的提升。

共著作者與驗證

儘管產出量龐大，部分共著作者仍為此舉辯護。其中一些論文的共著作者 Vadim Sokolov 表示，他們至少審閱過一篇由 AI 生成的論文，並聲稱這些論文並非「偽造論文」。

然而，其他觀察者對寫作品質以及如此高產出的實用性提出質疑。有人指出，雖然生成式 AI 模型能產出令人信服的格式，但往往在高階學術工作所需的嚴謹性上表現不足，例如博士或博士後研究者所撰寫的論文。

動機與理論意涵

觀察者提出了幾種關於此大量產出背後動機的理論：

• 測試極限： 有人認為這可能是一種「珠穆朗瑪峰效應」，作者只是在測試新技術的極限。
• 想法佔有： 也有人認為這是一種「佔有」行為，快速發表稿件可建立對某個想法的主張，即使作品尚未完全發展。
• 心理影響： 有人指出，使用 LLM 可能會產生「AI 精神病」的正向反饋循環，即看到 speculative 想法被擴展成令人信服的格式所帶來的多巴胺刺激，會鼓勵進一步產出，卻缺乏批判性審查。

學術評審的未來

AI 生成的預印本崛起，促使人們呼籲建立更完善的學術評審體系。目前的系統嚴重依賴 unpaid 的審稿人，而他們已因低品質投稿而不堪重負。若 AI 生成的投稿能獲得 AI 生成的審稿意見，可能進一步削弱出版指標作為學術品質衡量標準的價值。

如果投稿是 AI 生成的，那何不更進一步，讓 AI 來擔任審稿人？或許這能讓我們更重視出版數量並未如過去那般具有價值的現實。

此趨勢暗示，書面媒體的價值可能逐漸降低，學術貢獻的驗證可能重新回歸面對面溝通與公開演講等主要形式。