當前，科技創新與學風建設再度成為社會關注的焦點。回望近年來，我國科研誠信建設步入制度化、法治化、常態化新階段，一系列新舉措對科研活動全鏈條進行了日趨嚴密的監管。
然而，第三方中介亂象、評審請托潛規則、濫用人工智能（AI）等學術不端現象仍然在沖擊著科研誠信治理的邊界。
近日，多位專家在接受《中國科學報》采訪時表示，科研誠信建設絕非一日之功，要真正涵養出風清氣正的學術生態，我們仍然在路上。
嚴懲“第三方”
近年來，數據造假、圖片篡改、論文“工廠”生產，一批違規中介游走在灰色地帶，成為污染學術生態的頑疾。
全國人大代表、華中科技大學同濟醫學院附屬同濟醫院教授汪道文在接受《中國科學報》采訪時表示，日常科研工作中，不少第三方機構會找到他們推銷“產品”。對此，他的回復只有兩個字“拒絕”。
汪道文指出，第三方機構本源于科研人員對語言潤色的正當需求，卻在功利化傾向中逐漸走樣。從簡單的潤色演變為代寫代做，乃至圖片重復使用，嚴重損害了中國學者的國際形象。作為《國際心臟病學雜志》子刊副主編，他在國際編委會上真切地感受過同行們那種帶著質疑的目光。
針對這一新亂象，監管迅速亮劍。2026年2月，科技部修訂發布《科學技術活動違規行為調查處理規定》，明晰了68種違規行為，為科技活動劃定“紅線”。該規定明確了第三方機構的違規情形，將論文買賣、代寫代投等行為納入嚴懲范圍。
接受《中國科學報》采訪時，全國人大代表、中國科學院西安光學精密機械研究所副所長胡炳樑表示：“堅決反對論文代寫、買賣等第三方違規行為。此類行為破壞科研公平，本質是科研人員對自身創新能力不自信。”
全國政協委員、陜西省高級人民法院副院長鞏富文則在長期調研中發現，“唯論文、唯獎項”的硬門檻，是催生第三方亂象的重要誘因。“評價指揮棒逼迫一些人追求‘短平快’，甚至鋌而走險。批量造假不僅毀掉機構聲譽，更讓年輕學者失去坐冷板凳、做原創研究的耐心。”
破除“打招呼”潛規則
針對項目評審中長期存在的“打招呼、找關系”現象，國家自然科學基金委員會在2026年首批通報中亮出重拳：一批接受請托、泄露機密、違規干預評審的專家，直接被處以“永久取消評審及申請資格”的頂格處罰。
胡炳樑表示：“評審公平是科研生態的基石，必須堅決捍衛。”他建議，將科研失信行為與個人信用體系聯動，進一步提高違規成本，“隨著監管手段完善，科研環境會更加公平公正”。
汪道文為這一“嚴”字當頭的舉措點贊：“在評審過程中，應始終堅持以科研業績為核心導向，杜絕利益請托，回歸科學本質。”
他坦言，隨著國家重拳整治，已經能明顯感覺到學術不端的歪風正在消退，科研環境確實在向好。“論文、項目都不該成為科研評價的唯一標尺。”汪道文強調，“我們更該看重一個學者的整體貢獻，看他到底解決了什么真難題。歸根結底，只有把板凳坐熱、把科學做透，才是正道。”
除了關心如何破除亂象，如何構建良好生態同樣值得深思。鞏富文特別指出了當前青年學者的生存困境：部分高校考核標準過高、周期過短，逼迫年輕人長期處于高壓狀態，創新活力反而被抑制了。在他看來，完善配套保障、建立合理的申訴機制，遠比單純施壓更能留住人才、激發潛能。
“只有給年輕人提供足夠的容錯空間和制度支持，他們才敢去啃硬骨頭、甘坐冷板凳，真正回歸科研初心。”鞏富文表示。
應對AI時代的誠信邊界
生成式AI快速普及，在大幅提升科研效率的同時，也帶來前所未有的誠信考驗。例如，AI“幻覺”生成虛假數據、未經標注直接使用AI文本、用算法偽造實驗結果、以技術外衣掩蓋學術不端……新技術正在改寫科研倫理的舊版圖。
2024年9月，中國科學院發布《關于在科研活動中規范使用人工智能技術的誠信提醒》。隨后，上海交通大學、復旦大學等高校相繼出臺細則，開設AI倫理課程，把技術規范納入科研訓練。
在臨床醫學領域，全國人大代表、山東大學齊魯醫院乳腺外科主任楊其峰主張積極而審慎地使用AI：“我支持把人工智能生成內容（AIGC）用于文獻檢索、資料整理、信息歸納，充分發揮效率優勢。”但在核心環節，楊其峰團隊堅守三條紅線：嚴禁編造數據、嚴禁未標注直接據為己有、絕不把AI當作金標準。
他指出：“核心的科研判斷、實驗結論與臨床決策，必須由科研人員與專業醫師嚴格把關。”特別是在乳腺超聲智能診斷研究中，他們推動AI與臨床影像深度融合，但始終確保人是最終決策者。
在海洋地質領域，全國人大代表、中國地質調查局青島海洋地質研究所副所長印萍則采取了“揚長避短”的策略。面對調查數據少、數據庫分散、大模型尚不成熟的現狀，她的團隊將重心放在利用AI進行多源數據匯聚和大模型訓練上。“我們鼓勵利用AI技術進行文獻收集、前沿科學問題梳理和大數據分析。”印萍表示，“但在數據采集、測試實驗、科學研究及論文編寫等關鍵環節，我們嚴格限制AI的介入，堅決杜絕濫用。”
在交通與數智領域，全國政協委員、北京交通大學教授鐘章隊明確表示：“我們團隊完全允許將AI作為輔助工具使用，在查找資料、檢索數據以及英文寫作的修改潤色，甚至代碼編寫等方面進行嘗試。”
“AI是一種強有力的工具。”鐘章隊表示，“我們更強調的是責任。每個人都必須對自己的成果負責，尤其要清晰標注來源。”
面向未來，挑戰依然存在。楊其峰指出了當前面臨的三大難題：一是真實性核驗難，AI生成的“幻覺”與虛假數據可能誤導科研；二是知識產權歸屬模糊，AI產出的權利界定與保護機制尚不清晰，易引發糾紛；三是監管滯后，學術規范與監管體系的發展速度跟不上技術迭代。“這些都是我們需要長期面對和解決的關鍵問題。”