万方查重新动向：AI生成图片也能查了

2026-05-30 09:29:05   来源：cnwanfangdata.com   阅读时间：约6分钟

近期，万方数据在学术诚信上有了技术上的进步，其最新发布的检测报告里，“多模态AIGC检测”成了行业关注的焦点。以前只对文本内容查重，可现在这一新现象，就指出了学术论文里一个常被忽略的“灰色地带”，也就是AI生成的图片和数据图表。

       医学、理工科和社会科学领域研究者，这可真是个非常重要的信号，医学、理工科和社会科学领域的研究者，这可是个非常重要的信号。以前，很多作者会借助Midjourney、Stable Diffusion这类工具来生成论文配图，或者用AI代码对数据做可视化处理，觉得只要文字过关，图片的来源就不需要考虑了。不过，这次万方的技术，这表明检测范围从“文字语义”扩展到“视觉指纹”以及“数据结构”。换句话说，靠文本降重技巧，很难达到当前合规要求，所以，想用AI生成虚假实验数据图或者未经处理的AI绘图来蒙混过关的行为，都可能在“多模态检测”下被暴露无遗。

一、AI绘图的“隐形陷阱”

       AI生成的图片会成为新的风险点，这是视觉上的，AI生成的图片是真实的，人类视觉上也是真实的，所以AI生成的图片会成为新的风险点。AI绘图工具运行时，其工作原理就是生成图像，所以AI绘图工具的工作原理就形成了。不管是扩散模型还是GAN网络，它们生成的图像，一般都会有“数字指纹”或者“统计特征”，这是图像生成模型里很常见的一种现象。人眼不太清楚，可检测算法要是有大量训练数据，这些特征就会“身份证”，是独一无二的。

       在学术投稿里，很多案例都存在，作者在文字部分被精心修改，可最终，评审专家会质疑数据的真实性，这可能是由于示意图太完美，或者明显是AI风格，所以被质疑。万方的多模态检测，其目的是解决这一漏洞，可识别图像生成方式，还能判断其是否符合学术研究原始数据规范。

二、实用避坑与合规建议

       日常生活中，有些避坑的陷阱，也有合规的建议，这些都是实用的避坑与合规建议。

       研究者得先搞清楚趋势的特征，之后再依着这些特征来应对新趋势。首先，这点是核心，不能靠AI伪造实验数据，也不能生成虚假实验结果图。这可就是学术造假的底线，不管技术怎么伪装，一旦被多模态检测识别，后果就和文本一样严重。

       另外，若是有绘图场景，像机制示意图、概念模型图之类的，那就可以采取以下措施

       在深度后期处理的时候，不能简单地把AI生成的原图直接用上，这会违反AI生成原图的使用规范，所以深度后期处理时不能直接使用AI生成的原图。导出成矢量格式之后，再在专业绘图软件里手动对节点加以调整，修改配色方案，增加手绘风格的细节，如此一来就能打破AI生成的“机械感”和“完美对称性”。

       在图注里，标注来源得由AI辅助生成，所以在图注里，得明确说明，像“图示模型由AI辅助绘制，核心逻辑经人工校对”这样的例子。

       在数据可视化图表里，要是底层数据是真实的、可追溯的，那数据的验证就相当重要。AI可被视作绘图工具使用，不能当作数据来源使用。

三、拥抱技术，坚守底线

       这次推动多模态AIGC检测，不是想“刁难”作者，而是想引导学术界更健康地运用AI技术。AI是个多能的辅助工具，它能高效地处理数据，还能直观地呈现研究成果，不过，AI的核心得建立在真实、可信的基础上。

       科研人员和学生把焦虑点放在“能否查出来”上，这就是把精力放在如何利用AI来提高研究质量上。举个例子，用AI来筛选文献、清洗数据、润色语言，这些都是合规且高效的用法。关键就是搞清楚“辅助”和“替代”的界限，使最终的学术成果里，人的思考和判断一直是主导因素。

万方论文查重：https://www.cnwanfangdata.com