要用 AI 总结研究论文，先把论文的研究问题、方法、样本、结果和局限提取到证据表中，再要求生成文字摘要。然后在原论文中核对每一个数字、因果陈述、引文和页码。输出是一份可审计的阅读辅助材料，不能取代阅读研究本身。

关键要点

在把论文交给 AI 服务之前，先确认你有权上传或处理它。

在要求叙述性摘要之前，先把证据提取到固定字段中。

把观察结果、作者的解读和你自己的结论分开。

对照论文的方法、表格、图和局限，核实关键主张。

当机构、期刊或课程规则要求披露时，记录实质性的 AI 协助。

用 AI 总结研究论文时，可靠的摘要应保留什么？

有用的摘要不只是压缩论文摘要。它保留的是让读者判断论文支持什么的链条：研究问题、研究设计、人群或数据、测量、主要结果、不确定性和作者陈述的局限。只要其中一环缺失，一段流畅的文字就可能比研究本身更自信。

先写下这份摘要的用途。文献综述笔记需要足够的方法细节，以便比较不同研究。给非专业人士的简报可能需要浅白语言，但仍需保留边界。考试笔记可能侧重概念和定义。只要求“一份简短摘要”而不说明读者，就等于让模型决定省略什么。

不要把摘要页当作整篇论文。摘要有助于了解概况，但方法部分界定了测量了什么，表格和图承载了大部分证据，讨论部分则常把发现与解读混在一起。关于 AI 辅助证据工作的专业指引警告，生成的摘要可能过度简化发现、推出错误结论，或依赖引言和讨论部分而非原始结果。［1］

使用 AI 之前，先记录以下最基本的信息：

字段	记录内容	作用
研究问题	所研究的具体关系、效应或现象	防止用主题层面的摘要取代实际问题
设计	实验、观察性研究、综述、模拟或其他设计	限定研究能够支持的主张
样本或数据	规模、来源、纳入标准、研究场景和相关日期	说明结果适用于谁或什么
测量	结局、比较组、测量工具和时间范围	暴露代理指标和缺失的比较
结果	方向、幅度、不确定性，以及页码或表格位置	让摘要始终与可观察的证据相连
局限	作者陈述的局限以及尚未解决的问题	防止注意事项在压缩中消失

第一步：检查权限、隐私和文档边界

首先，确定论文能否上传。公开可读的文章，并不自动授权任何形式的处理。订阅内容、课程副本、保密草稿、同行评审稿件或含个人数据的文档，可能还有额外限制。上传文件之前，查看出版商条款、所在机构的规定和 AI 服务的数据控制。

对于未发表或敏感的工作，优先使用机构批准的环境，或干脆不上传。欧盟委员会的科研指引指出，研究人员应保护未发表或敏感的材料，并了解上传的输入是否可能被再利用。［2］联合国教科文组织同样把隐私保护、人工监督和适当验证视为在教育和研究中负责任地使用生成式 AI 的核心。［3］

同时冻结来源边界。给模型一篇标识清楚的论文，并指示它不要加入外部知识。记录标题、作者、发表载体、年份、DOI 或稳定 URL，以及你使用的确切文件或版本。如果补充材料包含必要的方法，就把它作为另一个具名来源提供，而不是让模型以为它是正文的一部分。

一条安全的开场指令如下：

只根据附上的论文工作。如果要求的字段不存在，写“未报告”。不要推断缺失的方法、数字、引用或页码。把作者报告的陈述与你自己的综合分开。

第二步：把研究提取为证据表

在要求文字摘要之前，先要求结构化提取。表格能让缺失的信息显现出来，并降低把不确定性抹平成自信故事的诱惑。表格也方便你把每个输出单元格与论文中的具体位置对照。

使用适合研究设计的字段。对于实证论文，要求提取研究问题、假设、设计、场景、样本、纳入和排除标准、干预或暴露、对照、结局、分析方法、主要数值结果、不确定性、局限、资助来源和利益冲突。对于综述，要求提取检索日期、数据库、纳入标准、纳入研究数量、质量评估方法、综合方法、异质性和局限。

要求为每个重要条目提供定位。定位可以是页码、章节、表格、图或附录。告诉模型只在确切措辞重要时引用简短片段，其余情况则转述。如果 PDF 印刷页码与阅读器的页码计数不同，两种都记录，而不是假装它们一致。

分轮进行提取：

只要求文档结构和研究身份信息。
提取方法，不要求结论。
提取结果，附单位、分母、不确定性和定位。
提取作者陈述的局限和披露信息。
列出不清楚或缺失的字段，供人工复核。

这个顺序很重要。如果先要求一份精致的摘要，模型可能先定下结论，再挑选支持性细节。先提取证据，能让推理方向清晰可见。

第三步：先审方法，再解释结果

方法不是背景细节。它决定了一项结果是描述性的、相关性的、预测性的，还是可能具有因果性。让 AI 标注研究设计，并解释这种设计能确立什么、不能确立什么，但你要亲自核实这些解释。

检查人群和比较。来自狭窄群体的结果，不应悄悄变成关于所有人的主张。没有合适对照的前后变化，并不自动是干预造成的。统计显著的结果，并不自动意味着效应大、重要或精确。模型可能在一般意义上懂得这些原则，却仍把它们错误地套用到某篇具体论文上。

使用一份人工方法检查清单：

提取的样本量是否与方法部分和受试者流程一致？
排除、缺失数据和退出是否得到体现？
主要结局是否与次要或探索性结局区分开？
单位和时间点是否得到保留？
比较组是否与所报告的分析相符？
调整后与未调整的估计值是否分开？
研究是否预先注册？如果是，报告的结局是否与计划一致？

如果论文超出你的专业领域，摘要应变得更谨慎，而不是更权威。当决策影响临床护理、安全、法律权利、公共政策或大量资源时，把解读交给领域专家。

第四步：为明确读者生成摘要

证据表核对完毕后，再让模型生成你实际需要的格式。把表格作为来源层，从中派生每个版本。这能防止浅白语言的改写版本变成一个新的、无法追溯的来源。

面向技术读者时，保留研究设计、样本、效应估计值、不确定性和重要局限。面向一般读者时，翻译专业术语，解释结果的实际含义，并说明论文没有测试什么。用于你自己的文献笔记时，重点写这项研究与相关工作的不同之处，以及什么证据会改变你的解读。

按功能而不只是按字数规定篇幅。例如：

为政策团队写一份 250 字的简报。用一段写研究问题和方法，一段写主要结果及其不确定性，一段写局限和适用性。不要加入经过核实的证据表中没有的主张。

要求让不确定性保持可见。对测得的相关性，“研究发现”可能是恰当的；而“干预导致”则需要更强的设计支持。当“在本样本中”“在观察期间”“作者认为”等限定语承载真实的边界时，要保留它们。

第五步：逐项核对数字、因果、引文和引用

把核验当作与起草分开的任务。NIST 把虚构内容、信息完整性、隐私以及人与 AI 的配置，列为组织在使用生成式 AI 时应管理的风险。［4］文风干净并不会降低这些风险。

从草稿中建立一个核验队列。标出每一个数字、百分比、样本数、日期、阈值、效应估计值、置信区间、p 值、引文、引用和因果动词。逐项回到原论文核对。不要在不查看来源的情况下，让同一个模型为自己的输出作证。

核对分母要和核对分子一样仔细。“二十名参与者有所改善”在 25 人、200 人，或仅限数据完整的亚组中，含义各不相同。检查百分比是绝对值还是相对值、单位是否经过换算，以及某项结果属于主要分析还是事后亚组分析。

对于引文，在原文中搜索，比较确切的措辞、标点和语境。如果找不到某段引文，就删除它。对于论文中提到的其他文献，在复述其主张之前先核实被引来源；论文的参考文献列表只能证明某个来源被引用过，不能证明你的转述准确。

为每项主张标注一个简单的状态：

已核实：来源位置和含义一致。
已更正：草稿已按来源修改。
已限定：该陈述需要加上限定、分母或不确定性。
已删除：来源不支持它。
已升级：需要专家解读。

第六步：记录局限与未决问题

不要把所有局限都压缩成“需要更多研究”。记录哪些局限会改变解读。样本小或有选择性，会影响结果的可推广性；测量误差会影响结局实际代表什么；随访时间短，会限制关于持续性的主张；未控制的混杂因素会限制因果结论；缺失数据可能改变估计值。

分开三个层面：

作者明确报告的局限。
你在审查方法时提出的问题。
把结果应用到你的读者时面临的实际限制。

这种区分能防止 AI 把你的批评说成作者自己的陈述，也能帮助读者看清判断是从哪里介入摘要的。

如果几篇论文结论不一，不要在单篇论文的摘要里强行达成共识。使用单独的来源比较流程，对齐它们的人群、方法、日期和结局定义。借助 AI 比较冲突来源的指南为这项任务提供了逐项主张的对照矩阵。

第七步：保存审计记录并披露实质性 AI 使用

保存论文标识、允许使用的来源集、提示词或提取模板、AI 输出、更正后的证据表、最终摘要和核验笔记。你不必保留对话中的每一处枝节，但另一位审核者应能分辨 AI 做了什么、人检查了什么。

遵守适用于你的课程、机构、资助方、出版商或职业的披露规则。欧盟委员会的指引强调，研究人员仍须对自己的成果负责，并应按相关标准披露实质性的 AI 使用。［2］ AI 不是作者，因为作者身份承载着人的能动性和责任。

简短的披露可以说明其作用，而不暗示认可：

本文使用了生成式 AI 工具提取证据表草稿，并生成最初的浅白语言摘要。作者已对照原论文核查所有主张、数字、引文和引用，并修订了最终文本。

不要因为保存了一条提示词就声称结果可复现。生成式输出可能各不相同。站得住的记录是来源版本、你实际收到的输出，以及形成最终摘要的那些更正。

总结

明确读者，并保留论文的证据链。
上传之前确认权限、隐私和来源边界。
把方法、结果、局限和定位提取到表格中。
只根据核对过的表格起草，而不是依赖模型的记忆。
在原文中核对数字、因果措辞、引文和引用。
把作者陈述、你的批评和未决问题分开。
保存审计记录，并在需要时披露实质性的 AI 协助。

常见问题

AI 能准确总结研究论文吗？

它可以生成有用的初步提取，但准确性因论文、文件质量和任务而异。在把方法、数字、引文和结论与原文对照之前，把输出视为未经核实。

可以上传付费或未发表论文吗？

只有在许可、机构规定、保密义务和工具的数据控制都允许时才可以。对于未发表的稿件或敏感数据集，使用获批的受保护环境，或者不要上传。

只读摘要页够吗？

不够。摘要页可能省略方法细节、不确定性、次要发现和重要局限。要查看完整的方法、结果、表格、图和讨论。

如何避免 AI 编造页码？

告诉它不确定时写“未找到”，改为要求章节或表格定位作为替代，并人工核实每个定位。记录你指的是印刷页码还是 PDF 阅读器页码。

AI 能判断研究是否证明因果吗？

它可以识别相关的设计特征，但你应核实设计、对照、时间顺序、混杂控制和分析方法。高风险的因果解读可能需要方法学专家。

论文摘要应该多长？

使用能为目标读者保留研究问题、方法、样本、结果、不确定性和局限的最短格式。即使最终叙述很简短，也要保留证据表。

需要披露 AI 协助吗？

遵守所在机构、课程、出版商、资助方或职业的规定。当 AI 实质性地影响研究解读、分析或发表的文字时，披露尤其重要。

可以引用 AI 摘要而不引用论文吗？

不可以。研究主张应引用原始论文。如果披露规则有要求，再另行说明 AI 如何协助了工作流程；这种披露不能替代对研究的引用。

延伸阅读：

免责声明：AI 论文摘要可能遗漏语境、误述证据或编造引用。重要的学术、临床、法律或政策决策应回查原文并寻求合格专业意见。

来源：

American Speech-Language-Hearing Association — Supporting Evidence-Based Practice With AI — https://www.asha.org/practice/generative-artificial-intelligence-for-clinicians/supporting-evidence-based-practice-with-ai/
European Commission — Living guidelines on the responsible use of generative AI in research — https://research-and-innovation.ec.europa.eu/document/download/2b6cf7e5-36ac-41cb-aab5-0d32050143dc_en
UNESCO — Guidance for generative AI in education and research — https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research
NIST — Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile — https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence

Sources checked 2026 年 8 月 24 日。

如何用 AI 总结研究论文：先提取证据表，再逐项核对数字与引文