■本报记者 甘晓 廖洋 李媛 孟凌霄
当前，科技创新与学风建设再度成为社会关注的焦点。回望近年来，我国科研诚信建设步入制度化、法治化、常态化新阶段，一系列新举措对科研活动全链条进行了日趋严密的监管。
然而，第三方中介乱象、评审请托潜规则、滥用人工智能（AI）等学术不端现象仍然在冲击着科研诚信治理的边界。
近日，多位专家在接受《中国科学报》采访时坦言：“科研诚信建设绝非一日之功，要真正涵养出风清气正的学术生态，我们仍然在路上。”
严惩“第三方”
近年来，数据造假、图片篡改、论文“工厂”生产，一批违规中介游走在灰色地带，成为污染学术生态的顽疾。
全国人大代表、华中科技大学同济医学院附属同济医院教授汪道文在接受《中国科学报》采访时表示，日常科研工作中，不少第三方机构会找到他们推销“产品”。对此，他的回复只有两个字“拒绝”。
汪道文指出，第三方机构本源于科研人员对语言润色的正当需求，却在功利化倾向中逐渐走样。从简单的润色演变为代写代做，乃至图片重复使用，严重损害了中国学者的国际形象。作为《国际心脏病学杂志》子刊副主编，他在国际编委会上真切地感受过同行们那种带着质疑的目光。
针对这一新乱象，监管迅速亮剑。2026年2月，科技部修订发布《科学技术活动违规行为调查处理规定》，明晰了68种违规行为，为科技活动划定“红线”。该规定明确了第三方机构的违规情形，将论文买卖、代写代投等行为纳入严惩范围。
接受《中国科学报》采访时，全国人大代表、中国科学院西安光学精密机械研究所副所长胡炳樑表示：“坚决反对论文代写、买卖等第三方违规行为。此类行为破坏科研公平，本质是科研人员对自身创新能力不自信。”
全国政协委员、陕西省高级人民法院副院长巩富文则在长期调研中发现，“唯论文、唯奖项”的硬门槛，是催生第三方乱象的重要诱因。“评价指挥棒逼迫一些人追求‘短平快’，甚至铤而走险。批量造假不仅毁掉机构声誉，更让年轻学者失去坐冷板凳、做原创研究的耐心。”
破除“打招呼”潜规则
针对项目评审中长期存在的“打招呼、找关系”现象，国家自然科学基金委员会在2026年首批通报中亮出重拳：一批接受请托、泄露机密、违规干预评审的专家，直接被处以“永久取消评审及申请资格”的顶格处罚。
胡炳樑表示：“评审公平是科研生态的基石，必须坚决捍卫。”他建议，将科研失信行为与个人信用体系联动，进一步提高违规成本，“随着监管手段完善，科研环境会更加公平公正”。
汪道文为这一“严”字当头的举措点赞：“在评审过程中，应始终坚持以科研业绩为核心导向，杜绝利益请托，回归科学本质。”
他坦言，随着国家重拳整治，已经能明显感觉到学术不端的歪风正在消退，科研环境确实在向好。“论文、项目都不该成为科研评价的唯一标尺。”汪道文强调，“我们更该看重一个学者的整体贡献，看他到底解决了什么真难题。归根结底，只有把板凳坐热、把科学做透，才是正道。”
除了关心如何破除乱象，如何构建良好生态同样值得深思。巩富文特别指出了当前青年学者的生存困境：部分高校考核标准过高、周期过短，逼迫年轻人长期处于高压状态，创新活力反而被抑制了。在他看来，完善配套保障、建立合理的申诉机制，远比单纯施压更能留住人才、激发潜能。
“只有给年轻人提供足够的容错空间和制度支持，他们才敢去啃硬骨头、甘坐冷板凳，真正回归科研初心。”巩富文表示。
应对AI时代的诚信边界
生成式AI快速普及，在大幅提升科研效率的同时，也带来前所未有的诚信考验。例如，AI“幻觉”生成虚假数据、未经标注直接使用AI文本、用算法伪造实验结果、以技术外衣掩盖学术不端……新技术正在改写科研伦理的旧版图。
2024年9月，中国科学院发布《关于在科研活动中规范使用人工智能技术的诚信提醒》。随后，上海交通大学、复旦大学等高校相继出台细则，开设AI伦理课程，把技术规范纳入科研训练。
在临床医学领域，全国人大代表、山东大学齐鲁医院乳腺外科主任杨其峰主张积极而审慎地使用AI：“我支持把人工智能生成内容（AIGC）用于文献检索、资料整理、信息归纳，充分发挥效率优势。”但在核心环节，杨其峰团队坚守三条红线：严禁编造数据、严禁未标注直接据为己有、绝不把AI当作金标准。
他指出：“核心的科研判断、实验结论与临床决策，必须由科研人员与专业医师严格把关。”特别是在乳腺超声智能诊断研究中，他们推动AI与临床影像深度融合，但始终确保人是最终决策者。
在海洋地质领域，全国人大代表、中国地质调查局青岛海洋地质研究所副所长印萍则采取了“扬长避短”的策略。面对调查数据少、数据库分散、大模型尚不成熟的现状，她的团队将重心放在利用AI进行多源数据汇聚和大模型训练上。“我们鼓励利用AI技术进行文献收集、前沿科学问题梳理和大数据分析。”印萍表示，“但在数据采集、测试实验、科学研究及论文编写等关键环节，我们严格限制AI的介入，坚决杜绝滥用。”
在交通与数智领域，全国政协委员、北京交通大学教授钟章队明确表示：“我们团队完全允许将AI作为辅助工具使用，在查找资料、检索数据以及英文写作的修改润色，甚至代码编写等方面进行尝试。”
“AI是一种强有力的工具。”钟章队表示，“我们更强调的是责任。每个人都必须对自己的成果负责，尤其要清晰标注来源。”
面向未来，挑战依然存在。杨其峰指出了当前面临的三大难题：一是真实性核验难，AI生成的“幻觉”与虚假数据可能误导科研；二是知识产权归属模糊，AI产出的权利界定与保护机制尚不清晰，易引发纠纷；三是监管滞后，学术规范与监管体系的发展速度跟不上技术迭代。“这些都是我们需要长期面对和解决的关键问题。”