超过 30% 的新 ArXiv 提交内容现在被解读为人工智能编写的

我们如何测量 arXiv 上的人工智能写作，以及测量的突破点 我们对 12,750 篇 arXiv 论文的全文进行了评分，发现大约三分之一的新论文是机器编写的。这是方法、结果以及对局限性的诚实说明。方法论 · 阅读 5 分钟 · 2026 年 2021 年至 2026 年，被标记为机器撰写的新 arXiv 论文的比例，在校准阈值上，因此 ChatGPT 之前的论文标记为 0.4%。八个石板点是法学硕士预科控制月份；该带是 bootstrap 95% 区间。截至 2026 年 7 月的 12 个月内，按领域标记为机器撰写的论文比例（每个领域约 300 篇论文）。误报底线 有一种标题说“X 的 N% 现在是人工智能”，大多数都不值得阅读，因为数字背后的检测器也标记了一些真实的人类写作。如果一个工具将 40% 的新论文标记为机器编写的，同时也将 20% 在 ChatGPT 存在之前编写的论文标记为机器编写的，那么真正的情况是无人提及的 20%。因此我们围绕这一反对意见进行了研究。我们的检测器（此处描述）针对学术写作进行了校准；以 0.4% 的误报率，它清除了 99.6% 的真实 LLM 预科科学文本，并恢复了 85% 的 AI 学术文本。我们将假阳性率作为锚点。我们在 ChatGPT 之前收集了 2021 年和 2022 年提交的论文，将它们视为真实的人类，并设置了标志阈值，以便其中只有 0.4% 的人会触发该阈值。那条线就是地板。我们报告的每个数字都是超过阈值的论文比例，按结构计算，真正的法学硕士预科写作占 0.4%。然后，ChatGPT 之前的年份充当内置控制：如果上升是探测器的假象，那么 2021 年和 2022 年将高达 2026 年。第一个图显示事实并非如此。我们测量的内容 从 2023 年 1 月到 2026 年 7 月，我们对 10 个领域组进行了抽样，每个领域每月大约 25 篇论文，加上 2021 年和 2022 年的 8 个控制月，总共 12,750 篇论文。对于每一篇文章，我们都提取了版本 1 PDF，因此 2026 年修订的论文无法将现代文本泄漏回其 2023 年插槽中。我们对全文而不是摘要进行评分，因为摘要低估了信号：我们看到同一篇论文的摘要得分低于 20%，正文得分超过 70%。每个报告的数字都带有引导 95% 置信区间。结果 到 2021 年和 2022 年，标记的份额一直保持在 0.4%，在 ChatGPT 发布后的几个月内开始上升，并在最近一个完整季度中分两波攀升至 32% 左右，并在 2026 年初达到接近 39% 的峰值。跨领域的分布很大，表格和第二个数字体现了这一点。下面的值是截至 2026 年 7 月的 12 个月内每个领域的标记份额及其预法学硕士控制水平。领域组 法学硕士预科控制 最近标记份额 95% CI 计算机科学 0.2% 65.0% [59.3, 70.3] 定量生物学 3.5% 56.3% [51.0, 61.7] 电气工程与系统 1.7% 51.3% [46.0, 57.0] 经济与金融 2.5% 47.0% [41.3, 52.7] 应用物理学 1.3% 34.0% [29.0, 39.7] 统计学 1.8% 31.3% [26.0, 36.7] 凝聚态物质 0.0% 24.0% [19.3, 29.0] 高能物理 0.5% 14.0% [10.0, 18.0] 天体物理学 0.0% 10.7% [7.3, 14.3] 数学 0.0% 0.7% [0.0, 1.7] 计算机科学领先约 65%。数学最低，接近 0.7%，限制部分解释了为什么其低值难以解释。控制列是每个字段 2021 年至 2022 年标记率在三个敏感度设置上的平均值；上升最多的领域并不是法学硕士预科控制水平最高的领域，因此起点升高并不能解释上升的原因。限制 控制样本量。每个领域预ChatGPT控制为200篇论文。在 0.4% 的标记率下，在整个 2,000 篇论文控制中只有 8 篇论文标记，分散在十个字段中，因此每个字段的单阈值控制率是粗略的。合并下限经过很好的估计，也是本研究的锚点，但每个领域的控制水平只是近似的，更大的控制水平并不能解决这个问题：将每个领域的百分之几的比率固定将需要每个领域数千篇控制论文，而 2023 年之前的 arXiv 卷不包含这些论文。低分可能表明采用率较低或存在检测器盲点。数学是最明显的例子。数学论文以符号和定理证明结构为主，一旦方程和参考文献被删除，剩下的散文就很稀疏，不像检测器所训练的科学英语。在大量模型辅助下起草的数学论文可能得分较低，因为其散文对于检测器来说不符合分布，因此数学得分低是人类撰写论文的证据不足。结果与两种截然不同的解释一致，即该寄存器中采用率较低或检测器灵敏度降低，并且该数据无法将它们分开。分布假设最强的领域（即以散文为主的领域）也是上升最多的领域，因此这种混杂因素并不能解释总体趋势