2026年8月，两份聚焦科研诚信的文件相继发布——19日，中国科技期刊卓越行动计划入选期刊及集群共同发布《维护学术诚信倡议》；23日，中国科学院发布《关于科研诚信的43点提醒》。

政策信号密集，指向明确：科研诚信建设正在从原则倡导走向制度落实。

与此相呼应，8月26-27日，“开放科学下的科研诚信建设”青编荟在北京举办。本次活动由中国科技期刊卓越行动计划办公室主办，中国科学院过程工程研究所承办，Green Energy & Environment、Green Chemical Engineering、Industrial Chemistry & Materials三刊编辑部协办。来自全国60余家单位的近90名代表齐聚中国科学院过程工程研究所，将讨论聚焦于一个更具体的问题上：

政策框架已经搭好，科研诚信建设的“最后一公里”如何真正落到期刊编辑出版流程中？

当政策从“原则”走向“条款”，摆在编辑面前的不再是“要不要做”的选择题，而是如何识别风险、核验证据、划分责任并规范处置的必答题。

信任回归过程 规范贯穿全程

“不管开放不开放，都不能作假。”中国科学院院士张锁江在致辞中指出，开放科学与科研诚信并不矛盾。数据、材料、方法和研究过程更加开放，可以使科研成果接受更广泛的检验，也会让问题暴露得更快、影响更广。因此，开放更像是科研诚信的“放大镜”和“试金石”。

张锁江院士强调，科研诚信不是期刊一家的责任，而是一项系统工程。作者是第一责任人，所在单位承担主体责任，出版机构和科技期刊承担审核把关责任，还需制度规范、同行评议和社会监督协同发力。编辑部处理科研诚信问题时，尤其要坚持科学、客观、审慎，复杂问题应通过集体讨论和专家研判作出判断。同时，可积极运用人工智能等新技术，提高审稿效率，服务编辑出版全流程。他表示，随着制度机制不断完善、人工智能与科技出版深入融合，科技编辑出版事业将迎来新的发展机遇。

开放程度的提高，也在推动学术信任机制发生变化。中国科学院文献情报中心段美珍引用撤稿观察数据库的数据指出，2010年至2025年，全球撤稿论文总量已超过6万篇，且近年增长明显。这个数字值得警醒，也需理性看待：撤稿数量增加并不等同于科研不端行为同比例增长，论文产出扩大、数据库覆盖改善、批量撤稿增多以及发表后监督增强，都会影响统计结果。从另一个角度看，撤稿增加也反映出学术共同体纠错能力的提升。

比撤稿数量更值得关注的是，学术信任正从较多依赖作者和机构声誉，转向重视数据、方法、过程和记录的验证。对期刊而言，编辑工作不能止于稿件流转和形式审查，还应通过作者声明、数据核验、同行评议、技术筛查和发表后监督，将诚信要求贯穿出版全过程，使学术传播可验证、可追溯、可纠错。

风险贯通链条 治理立足系统

过去的科研不端更多表现为“个案”，如今的风险则更为复杂。

中国高校科技期刊研究会张铁明总编辑用“四个工厂”概括当前突出风险：论文工厂、审稿工厂、引文工厂和AI工厂。造假已不只是个别作者的孤立行为，而呈现链条化、组织化、隐蔽化趋势。这类失范行为还会沿着“政策监管—科研行为—学术发表—科研评价”的链条传导；对引用和影响因子的过度追逐，又可能催生造假需求。

中国科学院文献情报中心王立学副研究员分析了风险背后的运行逻辑：论文从投稿到发表涉及作者、编辑、主编、审稿人、编委等多类主体，如果权力、利益和信息缺少有效约束，关系稿、利益冲突和审稿操纵便可能出现。因此，科研诚信治理不能只“盯住作者”，还应建立利益冲突申报、回避、监督、申诉和信息追踪机制。

对国际主流开放获取出版机构的政策梳理，同样显示出全过程治理的必要性。河北大学治丹丹副研究员指出，科研诚信应覆盖出版前、出版中和出版后：事前明确行为规则与主体责任，事中保障同行评议的独立性，事后做好版本保存、纠错和追责。中国科学院科技战略咨询研究院文彦杰副编审结合期刊案例提醒，复杂诚信问题往往没有现成答案，需要期刊、作者单位和相关机构依据证据各负其责、协同处理，并通过制度安排衔接不同治理环节。

人机协同研判 风险前置防范

生成式人工智能让科研诚信问题变得更加复杂。它可能被用于批量生成文本、虚假参考文献和异常图片，也可以帮助编辑识别文本相似、图像重复和异常投稿。问题的关键已经不是“能不能使用AI”，而是使用是否透明、结果能否复核、责任由谁承担。

中国科学院过程工程研究所副所长李春山研究员认为，可在投稿初筛和审稿辅助等环节合理使用AI，让技术服务于诚信把关。中国农业科学院李楠编审结合案例指出，AI生成的虚假参考文献已出现在期刊撤稿案例中；如果论文框架和主要观点高度依赖AI生成却未作披露，也可能触及学术诚信边界。

一些防范措施已逐步进入编辑出版流程。中国科学院化学研究所黄英娟编审介绍，可利用ORCID强化作者身份识别，通过CRediT贡献声明减少不当署名，并结合文字查重、投稿IP、原始数据和图片核验，发现代写代投、一稿多投及数据异常。期刊之间也可在合规前提下沟通风险信息、共享案例经验，提升行业整体识别能力。

技术工具能够提高风险识别效率，但筛查能力仍有边界。中国科学院生物物理研究所罗丽丰副编审的研究表明，在主流图像核查工具联合确认的阳性案例中，约半数只能被其中一种工具检出。多工具交叉核验可以减少遗漏，却不能代替人工判断。工具提示“疑似”后，仍需编辑与专家核查研判。

技术应用加快，相关规则也在不断细化。英国皇家化学会（RSC）中国出版总监宋冠群介绍，RSC设有专职出版伦理团队，对伦理问题和一般科学错误分类处理。AI不能被列为作者，实质性使用应如实披露，也不得利用AI增删、移动或遮蔽科研图片内容。《法医学杂志》于笑天副编审指出，ICMJE在2026年新增“出版中人工智能的使用”章节，未披露AI使用可能被视为学术不端。

hLife编辑部主任闫群副编审将其概括为从“内容把关”走向“信任治理”：AI可以辅助，却不能替代接收、拒稿等学术决定；编辑和审稿人不得将未公开稿件上传至无法保障保密性的系统。工具提供的是线索，不是结论；效率可以交给机器，责任不能交给机器。

数据可查可验 纠错有据可循

人工智能可以提高风险发现效率，但技术筛查只是诚信治理的一环。要形成稳定、持续的治理能力，还需将可信要求落实到数据基础设施、期刊政策和发表后纠错机制中。

中国科学院地理科学与资源研究所何书金研究员展示了“原创论文＋数据论文＋数据仓储”三位一体出版模式。数据论文为数据集提供说明，数据集经评审后存入仓储，实现论文与关联数据可查、可验、可引用，从源头降低数据造假风险。

数据库收录标准也在推动期刊规范运行。北京科爱森蓝文化传播有限公司高级数据分析师张靓晖指出，数据库关注的不只是期刊能否按时出版，还包括编辑流程、同行评议、出版伦理以及撤稿、更正政策是否透明并得到执行。规范期刊网站、投稿入口和政策声明，也是防范虚假投稿网站、论文工厂和异常投稿的重要基础。

不过，再严格的发表前审查，也不可能完全杜绝错误与失范行为，发表后的纠错能力因此不可或缺。科睿唯安（中国）业务总监宁笔提出，“从不撤稿的期刊，不是好期刊”。这一说法强调的并非撤稿本身，而是科学记录应具备自我纠错能力。更正、关注声明、撤回和撤稿对应不同性质和程度的问题；并非所有撤稿都等同于学术不端，主动发现并修正错误也不应与恶意造假混为一谈。

完善的学术治理，不是让问题论文无痕“消失”，而是保持原始论文、处置声明和纠错原因之间的关联，使数据库、引用网络和科研评价能够持续识别。对期刊和科研人员的评价，也不宜简单统计撤稿数量，而应综合考量问题性质、处置程序是否规范以及机构的长期信誉。

从技术识别、数据开放到发表后纠错，最终都要转化为编辑可执行的流程。本次青编荟活动希望推动形成一本“看得见、摸得着、用得上”的工作手册，让科研诚信要求进入投稿须知、作者声明、审稿邀请、数据政策、AI披露、撤稿流程和编辑培训，成为期刊日常运行的一部分。

科研诚信没有“旁观者”。作者、审稿人、编辑、主编、科研机构、出版平台和评价部门都身处其中。何宏艳研究员在会议总结中指出，只有把共识转化为清晰、具体、可执行的规则，才能推动科研诚信要求真正落到办刊实践中。

开放科学越向前，越需要透明、可验证、可追溯；技术越深入出版流程，越需要明确人的责任。从“立规矩”到“抠细节”，科技期刊不仅要发现问题，还要把个案经验沉淀为制度能力，让学术信任建立在经得起检验的证据、规范和程序之上。

来源｜中国科学技术协会科技期刊项目服务处

支持单位：