“快餐式科研”，指仅通过对公共数据库进行快速检索便能拼凑论文的研究行为，已成为全球学术出版界共同关注的焦点。此类研究往往仓促完成，导致大量低质量、重复性的成果涌入学术期刊。最新预印本《生成式人工智能时代下重复性出版物的激增》(Dramatic increase in redundant publications in the Generative AI era, doi: https://doi.org/10.1101/2025.09.09.25335401) 深刻揭示了这一问题的严重性。
预印本揭示了科研诚信问题爆发的迅猛态势，强调了具备灵活、专业的科研诚信团队的必要性。2024 年，当重复论文数量出现 400% 的暴涨时，学术界尚未建立起有效的论文重复性审查机制，而生成式人工智能的广泛应用，更进一步加剧了论文数量的非理性增长，这些问题至今仍是出版机构面临的重大挑战。
Frontiers 的应对策略
Frontiers 率先采取了行动。2024 年年中，Frontiers 观察到孟德尔随机化研究（MR）的投稿量出现激增，紧接着是大量基于美国国家健康与营养调查（NHANES）数据库的投稿。2025 年 2 月，佛罗里达大学教授、Frontiers in Family Medicine and Primary Care 期刊主编 Arch G. Mainous III 教授一针见血地指出了核心问题：大规模数据集包含无数变量组合，若缺乏明确的理论假设，纯粹由数据驱动得出的统计显著性可能完全源于偶然。
“这些数据库本是许多重要研究和流行病学评估的基石，但问题在于，海量的变量使得某些研究团队能够构建变量矩阵，轻易地寻找统计显著性来制造关联。这类研究最缺乏的是一个具有明确预期结果的科学假设。另外，任何假设都需充分考虑 NHANES 等数据集的背景因素，并在将结论应用于其他人群或者地区时，进行必要的调整。”
Mainous 博士强调，虽然这些数据库推动了不少有意义的研究，但如果缺乏明确的研究问题和对背景的深入理解，作者实际上只是在数据中盲目地搜寻规律。
为此，Frontiers 迅速响应，要求相关投稿必须以可检验、循证的假设为基础。新政策规定，作者需提供外部实验验证或来自其所在机构的数据，以确保每篇投稿都能超越公共数据集的局限，从而提供独特的学术价值。需要注意的是，Spick 等人发表的预印本中，引用的所有论文均在这一政策实施前发表，不符合当前标准。
划定明确底线
2024 年 7 月，Frontiers 成为最早强制要求 MR 研究提供独立外部验证的出版机构之一。所有缺乏实验验证或机构数据的 MR 稿件将在初审阶段被拒稿。这项政策效果立竿见影：首月 MR 投稿量下降 61%，至今累计降幅超过 70%。
严格的筛查也显著减少了 NHANES 相关的投稿，但此类研究数量在 2025 年仍持续增长。今年初，Frontiers 成为首家明确规定所有基于简单查询公共数据的论文（包括 NHANES 研究）都必须提供外部验证的出版机构，并向作者和审稿人明确传达“每篇论文必须贡献独特科学价值”的要求。自强化政策实施以来，Frontiers 已拒绝：
- 5,513 项孟德尔随机化研究（自 2024 年 7 月起）；
- 1,382 篇基于 NHANES 的投稿（自 2025 年 5 月起）。
这项政策的具体影响如下表所示：
2024 年 1 月-2025 年 8 月间，Frontiers 基于孟德尔随机化研究的投稿处理情况（政策于 2024 年 6 月实施）
2024 年 1 月-2025 年 8 月间，Frontiers 基于 NHANES 研究的投稿处理情况（政策于2025 年 5 月实施）
AI时代的科研诚信：
技术赋能与专家智慧并重
Frontiers 对开篇提到的预印本文章表示欢迎，并正在与作者联系以交流意见。在 2025 年 2 月的一篇社论中，Arch G. Mainous III 博士还深入分析了“论文工厂”如何利用 NHANES 等大型公共数据库，通过操纵数据，批量生产欺诈性论文并售卖给作者，而这极大增加了编辑与审稿人的负担：
“遗憾的是，这些科学上存疑，但具有统计显著性的关系，已经成为论文工厂生产并售卖稿件的基础。只要存在统计显著性，就更容易发表。值得注意是，只要进行足够多的变量比较，即使是纯属偶然也会出现统计显著性，而这会导致论文数量激增，令期刊编辑和审稿人不堪重负。”
Mainous 博士一语道破了关键风险：大规模数据集可能产生毫无实际意义却“显著”的关联，唯有严格评审才能去伪存真。
为应对这一威胁，Frontiers 多管齐下：人工智能评审助手（AIRA）可自动检测每篇投稿的二十多项诚信指标，包括专门识别“论文工厂”的十余项特征数据，并标记供人工复核。任何异常信号都会触发由六十余位科研诚信专家、专业编辑和审稿人组成的团队进行深度评估。他们以科学价值为核心评判标准，而非仅仅依赖统计概率。Frontiers还与两家领先的外部问题内容检测机构Cactus Communications和Clear Skies合作，并将其工具整合至审稿流程中。
Frontiers 这项政策不仅仅是“过滤稿件”，每篇拒稿均附有详细的反馈，以帮助作者提升研究质量，进而更好地满足严格的学术标准。同时，科研诚信团队还积极与其他出版与资助机构协同交流，共同筑牢学术防线。正如科研诚信项目经理 Simone Ragavooloo 所言：
“这一现象并非仅涉及论文工厂，实际上也有不少作者出于无心，试图在重视产量与影响力的体系内遵守规则，结果提交了技术合规但质量不高的稿件，破坏了学术信任。出版商必须对此做出回应，制定明确的政策，开展积极的引导，从而重新确立良好科学的标准。”
Frontiers 同时强调，不应将论文冗余问题简单归咎于 AI 本身。即将发布的调研显示，AI 正在被研究人员广泛且规范地使用，而当前要务是支持 AI 合理应用的同时，坚决杜绝“问题稿件”（无论是否是 AI 生成）发表。
Frontiers 通过健全的政策、先进的技术与积极的引导，坚定地维护科学记录的完整性。这充分体现出，科学合理的科研防线不仅无碍真正的创新研究，反而有助于推动开放数据的规范和有序应用。
