NSFC项目申报：AI使用边界与科研诚信指南

1. 项目背景与政策解读

2026年国家自然科学基金项目申报迎来重大变革——申请人需在申报材料中明确标注AI技术的使用边界。这项新规反映了科研界对人工智能辅助研究日益增长的关注，也标志着科研诚信建设进入新阶段。

作为连续五年参与NSFC项目评审的资深专家，我观察到近年来AI工具在科研中的应用呈现爆发式增长。从文献综述的智能生成，到实验数据的算法分析，再到论文初稿的自动撰写，AI正在重塑科研工作流。但随之而来的，是学术界对"AI代写""数据造假""算法黑箱"等问题的深切忧虑。

新规的核心诉求可归纳为三点：

• 透明度要求：明确申报材料中哪些部分由AI生成或辅助
• 可追溯性：提供AI工具的使用记录和原始数据
• 责任界定：申请人需对AI产出内容承担学术责任

2. AI使用声明撰写指南

2.1 声明内容要素

完整的AI使用声明应包含以下要素：

1. 工具清单：列出所有使用的AI工具（如ChatGPT、Copilot等）
2. 应用场景：说明AI在哪些环节发挥作用（文献检索、数据分析等）
3. 介入程度：标注AI贡献占比（建议用百分比表示）
4. 人工校验：描述人工复核的具体措施

示例模板：

code复制本申请书撰写过程中使用了以下AI工具：
- ChatGPT-4（文献综述辅助生成，贡献度约30%）
- Python scikit-learn（数据分析建模，贡献度60%）
所有AI生成内容均经过以下人工校验：
1. 文献引用溯源核查
2. 数据结果重复验证
3. 关键结论专家评议

2.2 常见错误规避

根据2025年预试行阶段的评审反馈，需特别注意：

• 模糊表述："少量使用AI辅助"等定性描述不符合要求
• 责任推诿："AI生成内容不代表作者观点"类声明无效
• 技术隐瞒：未申报但被检测出AI痕迹将直接导致形式审查不通过

3. 科研诚信写作模板

3.1 文献综述模块

推荐结构：

code复制[AI辅助说明] 本部分使用AI工具（名称+版本）完成：
- 初稿生成（贡献度xx%）
- 文献聚类分析（贡献度xx%）

[人工工作说明]
- 关键文献精读（列出篇数）
- 理论框架构建
- 学术观点提炼

3.2 技术路线模块

合规写法：

code复制AI应用声明：
- 使用TensorFlow完成神经网络架构搜索（NAS）
- 采用AutoML工具优化超参数

人工主导部分：
- 科学问题定义
- 实验设计
- 结果解释

4. 评审视角避雷清单

4.1 形式审查红线

• □ 缺少AI声明页
• □ 使用未披露的AI工具（如非公开模型）
• □ AI贡献度超过70%且缺乏充分人工校验

4.2 实质评审重点

评审专家将特别关注：

1. 创新性判断：AI是否替代了核心创新工作
2. 可重复性：AI生成方法是否具备可复现性
3. 学术价值：人工智慧与人类智慧的有机结合度

典型案例：

• 负面案例：某项目AI生成的技术路线图与三篇已发表论文高度雷同
• 正面案例：使用AI加速分子筛选，但创新点在于新型评价指标体系

5. 实操建议与经验分享

5.1 工具组合策略

推荐分层使用AI工具：

• 基础层：Grammarly（语言润色，需声明）
• 中间层：EndNote+AI插件（文献管理）
• 核心层：自主开发的算法工具（可豁免声明）

5.2 时间管理技巧

建议时间分配：

• 30%给AI：文献初筛、格式校对等重复工作
• 50%给人工：科学问题凝练、创新点设计
• 20%给校验：AI产出复核、学术规范审查

5.3 争议场景处理

常见困境及解决方案：

• 使用非标工具：提供工具技术白皮书备案
• 涉及敏感数据：申请NSFC专用可信计算环境
• 算法专利冲突：提前进行知识产权检索

从去年参与特殊评审的经历看，成功的申报者往往在"AI赋能"与"人类主导"之间找到精妙平衡。有个令我印象深刻的案例，申请人用AI生成100个假设后，通过传统实验验证筛选出最具价值的3个方向，最终获得重点项目的资助。

需要特别提醒的是，NSFC已建立AI内容检测系统（代号"清风"），能识别包括：

• 大语言模型生成文本
• 自动生成的图表
• 算法修饰的实验数据

建议在提交前使用官方提供的"预检工具"进行自查，避免因技术细节导致申报失败。