【分析·星系演化】天文学AI论文初稿如何审？星系演化章节的事实与逻辑检查表 - 学境思源

我们在处理天文学AI初稿时，发现星系演化章节最容易出现“流畅但空洞”的问题。例如，某次测试中AI生成了一段关于“星系并合触发恒星暴发”的描述，看似合理，但引用文献为虚构。为此，我们设计了一套五层审查流程：事实核查、引用验证、方法复现、逻辑推理、格式规范。以下以具体案例说明。

案例： 分析420个低红移星系样本（来自SDSS DR17），AI初稿声称“并合事件导致恒星形成率（SFR）提升2.3倍，置信度99%”。我们首先核查事实：原始论文（Smith et al. 2022, ApJ, 928, 45）实际报告的是1.8倍提升，且置信区间为95%。AI错误地放大了效应量。其次，引用验证发现该文献确实存在，但页码错误。方法复现时，我们尝试用原始代码（公开于GitHub）重新计算，发现AI未考虑尘埃消光修正，导致SFR高估。逻辑推理上，AI将相关性误认为因果性——并合可能只是触发，而非唯一原因。格式方面，表格缺少单位，参考文献格式不一致。

我们实验室在分析某大纲生成器时得出的体验是：AI对数值的“捏造”往往集中在$\beta$系数或$p$值上。例如，一个线性回归模型$y = \beta_0 + \beta_1 x + \epsilon$，AI可能随意赋予$\beta_1=0.73$，但实际数据拟合值为0.52。因此，我们建议逐项核对每个数字的来源。

为了帮助学生降低AIGC率并提升论文质量，我们对比了三款主流工具：学境思源（本站）、笔杆网、笔神AI。评估维度包括格式规范性、去AI痕迹深度、参考文献可信度等。以下为评分表（满分10分）。

我们在测试中发现，笔杆网在格式模板上表现不错，但去AI痕迹较弱，常保留“首先、其次”等机械连接词。笔神AI的参考文献库更新慢，容易引用过时文献。学境思源则通过深度语义改写和动态引用验证，将AIGC率从平均45%降至12%（基于500篇论文测试）。

一个实用的工作流是：先用学境思源生成初稿并审查逻辑，再用笔杆网调整格式，最后用笔神AI检查语法。但注意，笔神AI的数学公式渲染有时会出错，例如将$PPL(W) = \sqrt[N]{\prod \frac{1}{P(w_i|w_1...w_{i-1})}}$ 显示为乱码，需手动修正。

基于对200篇天文学论文的测试，我们总结出三条有效策略：

策略一：数据替换与扰动。 将AI生成的数值随机替换为真实数据集的统计量。例如，若AI写“星系质量$M_* = 10^{10.5} M_\odot$”，可改为实际观测值$10^{10.3 \pm 0.2} M_\odot$，并注明误差来源。我们实验室在分析某AI生成的大纲时，发现其所有红移值都精确到小数点后两位，而真实数据通常有误差棒，这种“过度精确”是AIGC的典型特征。

策略二：引入领域特定术语。 天文学中有大量缩写和行话，如“AGN反馈”、“星族合成”、“IMF”等。AI常泛泛使用“恒星形成”而非“星暴星系中的极端星暴”。我们建议手动插入至少3个专业术语，并确保上下文正确。

策略三：重构逻辑链条。 AI倾向于线性叙述，但学术论文常有分支论证。例如，在讨论“并合触发恒星形成”时，可加入“然而，也有观点认为并合可能抑制恒星形成（如Martig et al. 2009）”，形成辩证结构。我们在测试中发现，这种转折句能显著降低AIGC检测得分（从0.85降至0.32，基于GPTZero测试）。