如果說過去兩年里，AI 學(xué)術(shù)圈最顯眼的變化是論文越來越多、模型越來越強(qiáng)、投稿越來越卷，那么另一個(gè)同樣重要的問題其實(shí)正在變得更尖銳：

當(dāng) LLM 進(jìn)入論文寫作流程時(shí)，它到底應(yīng)該扮演什么角色

• 是替研究者從零生成一篇論文？
• 是把一段文字潤色得更像英文母語者？
• 還是在作者已經(jīng)有想法、有實(shí)驗(yàn)、有初稿之后，幫助他們把論文改得更嚴(yán)謹(jǐn)、更一致、更符合學(xué)術(shù)共同體的標(biāo)準(zhǔn)？

近日，來自新加坡國立大學(xué)何炳勝教授的研究團(tuán)隊(duì)提出了XtraGPT: Context-Aware and Controllable Academic Paper Revision via Human-AI Collaboration，并已被 ACL 2026 接收。

• XtraGPT Paper: https://arxiv.org/pdf/2505.11336
• XtraGPT Code: https://github.com/Xtra-Computing/XtraGPT
• XtraGPT-14B Model: https://huggingface.co/Xtra-Computing/XtraGPT-14B
• PaperDebugger: https://arxiv.org/abs/2512.02589

這篇工作的有趣之處不只在于它訓(xùn)練了一組面向論文修改的開源模型，而在于它試圖回答一個(gè)更大的問題：

在 AI 時(shí)代，學(xué)術(shù)寫作工具不應(yīng)該繼續(xù)沿著「自動(dòng)生成論文」的方向狂奔，而應(yīng)該轉(zhuǎn)向一種更可控、更有上下文、更尊重作者主體性的寫作協(xié)作模式。

通用 LLM 會(huì)潤色文字，但論文真正缺的是「學(xué)術(shù)修改」

今天很多研究者已經(jīng)在用 ChatGPT、Claude 或其他通用 LLM 輔助寫作。

最常見的用法是：把一段論文塞進(jìn)去，然后要求模型「make it better」「polish this paragraph」「strengthen the motivation」。

表面上看，這類工具確實(shí)很有用。它們能讓句子更流暢，語法更自然，表達(dá)更像一篇正式論文。

但問題也正在這里。

流暢，不等于嚴(yán)謹(jǐn)

論文修改真正困難的地方，往往不是把一句話寫得更順，而是補(bǔ)上缺失的論證鏈條：為什么這個(gè)問題重要？當(dāng)前方法缺在哪里？貢獻(xiàn)和實(shí)驗(yàn)之間是否互相支撐？術(shù)語在引言、方法、實(shí)驗(yàn)和結(jié)論中是否保持一致？

XtraGPT 的動(dòng)機(jī)正是從這個(gè)錯(cuò)位開始的。研究團(tuán)隊(duì)給出的典型場景是：讓通用 LLM 加強(qiáng)一段 motivation，它可能只是換一種更漂亮的說法，卻沒有補(bǔ)上真正缺失的「why」。而理想的修改應(yīng)該能補(bǔ)充 rationale、連接 contribution，并考慮論文面向的讀者。

也就是說，學(xué)術(shù)論文修改不是普通文本潤色任務(wù)。它至少有三個(gè)當(dāng)前 LLM 寫作工具經(jīng)常忽略的缺口：

1. Scholarly rigor：模型提升了表層流暢度，但 claim-evidence 鏈接、motivation 強(qiáng)度、contribution 清晰度仍然沒有被真正處理。
2. Document context：大多數(shù) prompt 是孤立的，模型改某一段時(shí)常常忘了引言里的 framing、方法里的假設(shè)、實(shí)驗(yàn)里的故事線。
3. Author control：「寫得更好」不是一個(gè)真正可執(zhí)行的學(xué)術(shù)修改指令。作者需要表達(dá)的是：這段到底要優(yōu)化哪個(gè)學(xué)術(shù)標(biāo)準(zhǔn)。

XtraGPT 不是把這些問題簡單歸結(jié)為「模型還不夠大」，而是把它們看作寫作接口和訓(xùn)練目標(biāo)的問題。

這不是「AI 代寫論文」，而是 revision-only 的協(xié)作系統(tǒng)

在學(xué)術(shù)寫作 AI 這件事上，最容易滑向的方向是端到端生成。

給一個(gè) idea，讓模型自動(dòng)生成摘要、引言、方法、實(shí)驗(yàn)、結(jié)論。聽起來高效，但它也帶來三個(gè)顯而易見的風(fēng)險(xiǎn)：

第一，研究者可能變得被動(dòng)。

如果 AI 替人完成從構(gòu)思到成文的大部分工作，人的努力、判斷和批判性思考會(huì)被削弱。

第二，論文數(shù)量可能繼續(xù)膨脹。

如果工具可以低成本批量生成表面完整的論文，頂會(huì)本已過載的評(píng)審系統(tǒng)只會(huì)被進(jìn)一步壓垮。

第三，模型可能偏離科學(xué)價(jià)值。

它可能生成看似合理、實(shí)則空泛的論述，也可能偏離作者真實(shí)意圖和學(xué)術(shù)共同體的規(guī)范。

XtraGPT 選擇了一條相反的路線：

它不是從零寫論文，而是只做論文修改

作者必須先有自己的想法、實(shí)驗(yàn)和初稿。模型只在作者指定的位置上，根據(jù)作者的具體指令，結(jié)合全文上下文，給出可審閱、可接受或可拒絕的修改建議。

這就是這項(xiàng)工作反復(fù)強(qiáng)調(diào)的Human-AI Collaboration (HAC)

它的三步協(xié)議很簡單：

1. 作者在整篇論文 T 中選中一個(gè)目標(biāo)段落 p，并給出自然語言指令 q。
2. 模型基于 (T, p, q) 返回一個(gè)修改后的段落 p?，也就是一個(gè)定向 revision。
3. 作者審閱 diff，決定是否采納、調(diào)整或拒絕。

這里有一個(gè)很關(guān)鍵的觀點(diǎn)：

提供段落 p 不是對(duì)任務(wù)的簡化，而是這個(gè)系統(tǒng)的接口本身。

研究者通常知道自己要改哪一段。真正難的不是讓模型「找出哪里不好」，而是當(dāng)作者指出目標(biāo)后，模型能否生成一個(gè)既忠實(shí)于指令、又和整篇論文保持一致的修改。

這也是 XtraGPT 和很多「自動(dòng)論文寫作」工具的本質(zhì)區(qū)別。它不是搶走作者的位置，而是把模型放回一個(gè)更合適的位置：定向助手，而不是自動(dòng)作者

20 條學(xué)術(shù)寫作標(biāo)準(zhǔn)，把模糊意圖變成可訓(xùn)練目標(biāo)

學(xué)術(shù)寫作里的指令往往很抽象。

• 「加強(qiáng)貢獻(xiàn)」
• 「讓 motivation 更清晰」
• 「讓方法描述更嚴(yán)謹(jǐn)」
• 「讓實(shí)驗(yàn)分析更有說服力」

這些話對(duì)作者來說很自然，但對(duì)模型來說，如果沒有結(jié)構(gòu)化目標(biāo)，就很容易變成泛泛潤色。

XtraGPT 的第一條設(shè)計(jì)原則是criteria-guided controllability：把作者的自然語言指令，錨定到一組明確的學(xué)術(shù)寫作標(biāo)準(zhǔn)上。

研究團(tuán)隊(duì)整理了覆蓋論文六個(gè)部分的 20 條 section-level criteria，包括標(biāo)題、摘要、引言、背景、實(shí)驗(yàn)和結(jié)論。這些 criteria 來自寫作指南、審稿 rubric 和專家修訂經(jīng)驗(yàn)。

這套設(shè)計(jì)的關(guān)鍵并不是讓作者在使用時(shí)手動(dòng)選擇某條 criteria。

相反，criteria 主要在訓(xùn)練階段發(fā)揮作用。模型通過大量「指令 - 段落 - 全文 - 修訂」樣本，學(xué)習(xí)不同類型的寫作意圖應(yīng)該對(duì)應(yīng)什么樣的學(xué)術(shù)修改策略。

到了推理階段，作者仍然可以用自然語言表達(dá)意圖。模型則在內(nèi)部把這種模糊指令映射到更結(jié)構(gòu)化的修改方向。

這讓 XtraGPT 不只是會(huì)「潤色」，而是能更接近「按學(xué)術(shù)標(biāo)準(zhǔn)修改」。

全文上下文，才是論文修改最重的部分

XtraGPT 的第二條設(shè)計(jì)原則是context-aware modeling

公式很直接：

其中 q 是作者指令，p 是要修改的段落，T 是整篇論文。

聽起來簡單，但在論文修改里這件事非常重要。

因?yàn)檎撐牟皇且欢鸦ゲ幌嚓P(guān)的段落。引言里的問題定義，會(huì)影響方法部分該如何表述；實(shí)驗(yàn)結(jié)果會(huì)影響結(jié)論該如何收束；背景部分的術(shù)語，也需要和后文保持一致。

如果模型只看到局部段落，它很容易寫出局部順暢、全局不一致的修改。

XtraGPT 使用 16,384 token 上下文，讓模型在訓(xùn)練和推理時(shí)都能看到全文。后續(xù)消融實(shí)驗(yàn)也說明了這一點(diǎn)的重要性：去掉 criteria grounding 會(huì)讓 LC win rate 下降約 5 分，但去掉全文上下文會(huì)下降約 15 分，甚至低于未 fine-tune 的 base model。

這說明，真正讓論文修改變難的，不只是「這句話怎么寫」，而是「這句話在整篇論文里應(yīng)該怎么寫」。

ReviseQA：從真實(shí)投稿中構(gòu)建論文修改數(shù)據(jù)

為了訓(xùn)練這樣一個(gè)模型，研究團(tuán)隊(duì)構(gòu)建了ReviseQA

數(shù)據(jù)來源是約 7000 篇 ICLR 2024 投稿。論文先通過 Nougat 轉(zhuǎn)換為結(jié)構(gòu)化 markdown，并裁剪到 16k token 以內(nèi)，以便全文進(jìn)入上下文窗口。

隨后，團(tuán)隊(duì)從論文的六個(gè) section 中采樣段落，生成 criteria-grounded revision。最終得到約 14 萬組 instruction-revision pairs。

這套數(shù)據(jù)的意義在于，它不是把論文寫作當(dāng)作泛泛的文本生成任務(wù)，而是模擬了真實(shí)作者的修改流程：

作者有一篇完整論文，選中其中一段，提出一個(gè)寫作目標(biāo)，然后得到一個(gè)局部但上下文敏感的修改建議。

這也是為什么 XtraGPT 的任務(wù)定位很窄，但窄得很有價(jià)值。

在 AI 時(shí)代，很多工具試圖覆蓋整個(gè)研究流程：自動(dòng)找 idea、自動(dòng)寫實(shí)驗(yàn)、自動(dòng)生成論文。XtraGPT 關(guān)注的則是一個(gè)更具體、更高頻、也更符合責(zé)任邊界的場景：

幫助研究者把已有的真實(shí)草稿改得更好

實(shí)驗(yàn)結(jié)果：可控修訂是否真的有效？

模型訓(xùn)練上，研究團(tuán)隊(duì)采用Controllable Post-Training (CPT)

他們?cè)趦蓚€(gè) backbone 家族上訓(xùn)練了多個(gè)尺寸的模型，包括 Qwen-2.5 和 Phi 系列，從 1.5B 到 14B 不等，以驗(yàn)證效果不是某個(gè)模型架構(gòu)的偶然產(chǎn)物。

評(píng)估則使用 length-controlled win rate。原因是 LLM judge 存在明顯的 verbosity bias：更長的回答經(jīng)常會(huì)因?yàn)榭雌饋砀浞侄@勝。因此，團(tuán)隊(duì)使用長度控制后的偏好評(píng)估，盡量把「寫得更長」和「改得更好」區(qū)分開。

從論文表格來看，經(jīng)過 criteria-guided post-training 之后，專門面向論文修訂的模型在多個(gè) section-level 任務(wù)上，相比通用開源底座表現(xiàn)出穩(wěn)定優(yōu)勢。這個(gè)結(jié)果說明，論文修改能力并不只是來自通用語言能力本身，也來自訓(xùn)練目標(biāo)是否足夠貼近真實(shí)寫作流程。

換句話說，當(dāng)訓(xùn)練目標(biāo)從「通用聊天」轉(zhuǎn)向「基于全文上下文的可控修訂」后，模型確實(shí)學(xué)到了一種更貼近真實(shí)論文修改需求的能力。

段落級(jí)修改，能否真正提升整篇論文質(zhì)量？

一個(gè)很自然的問題是：就算模型能把單個(gè)段落改得更好，這種局部修改是否真的會(huì)提升整篇論文質(zhì)量？

研究團(tuán)隊(duì)進(jìn)一步做了一個(gè) paper-level 實(shí)驗(yàn)。

他們選取 54 篇 ICLR 2024 論文，用 XtraGPT 逐段進(jìn)行修改，然后使用 AI-Scientist judge 對(duì)修改前后的論文進(jìn)行評(píng)分。

結(jié)果顯示，四個(gè)維度都出現(xiàn)提升：

• Contribution 提升約 7.9%
• Presentation 提升約 12.5%
• Soundness 提升約 6.4%
• Overall rating 從 6.08 提升到 6.73，提升 0.65

這組結(jié)果很符合 XtraGPT 的核心設(shè)定：它不是靠一次性生成整篇論文來展示能力，而是通過一系列可控的段落級(jí) revision，逐步累積到 paper-level improvement。

換句話說，學(xué)術(shù)寫作 AI 的價(jià)值不一定體現(xiàn)在「一次生成完整論文」，也可以體現(xiàn)在「每次幫作者把一個(gè)明確問題改對(duì)」。

為什么檢測器仍然把 XtraGPT 修改判成人寫？

研究團(tuán)隊(duì)還做了一個(gè)有意思的分析：XtraGPT 修改后的文本，會(huì)不會(huì)被 AI 文本檢測器判為 AI 寫作？

在 7000 條 held-out revisions 上，團(tuán)隊(duì)測試了兩個(gè) zero-shot detector：Fast-DetectGPT 和 Binoculars。結(jié)果顯示，XtraGPT-7B 和 XtraGPT-14B 的輸出都落在人類文本一側(cè)。

這并不是因?yàn)橄到y(tǒng)在刻意規(guī)避檢測器。

更合理的解釋是：XtraGPT 不是從零生成論文，而是在修改人類作者的原稿。作者原有的表達(dá)習(xí)慣、論證結(jié)構(gòu)和分布特征仍然占主導(dǎo)。模型的作用是局部 refinement，而不是整體替換。

這也再次回到它的協(xié)作定位：

保留作者聲音，而不是把所有論文改成同一種 AI 腔

真正值得討論的，是 AI 時(shí)代的學(xué)術(shù)寫作責(zé)任邊界

XtraGPT 這篇工作最值得注意的地方，可能不是某一個(gè) benchmark 分?jǐn)?shù)，而是它對(duì)學(xué)術(shù)寫作 AI 提出了更謹(jǐn)慎的邊界。

如果一個(gè)工具從 idea 到成文全流程自動(dòng)化，它當(dāng)然可以提高產(chǎn)出速度，但也可能放大學(xué)術(shù)系統(tǒng)中已經(jīng)存在的問題：低質(zhì)量論文泛濫、作者責(zé)任模糊、評(píng)審系統(tǒng)過載、研究者對(duì) AI 產(chǎn)生依賴。

而 XtraGPT 的定位更像是一種「減速但提質(zhì)」的工具：

• 它要求作者先投入真實(shí)工作。
• 它只處理作者指定的局部修改。
• 它通過 criteria grounding 約束修改方向。
• 它通過全文上下文保持論文一致性。
• 它讓作者保留最終判斷。
• 這套設(shè)計(jì)對(duì)應(yīng)了三個(gè)更廣泛的問題。

第一，researcher passivity

端到端 AI 可能削弱人的努力和批判性思維。XtraGPT 要求作者先有想法和 draft，模型只提供 targeted refinement。理想情況下，AI 反饋獎(jiǎng)勵(lì)人的投入，而不是取代人的投入。

第二，quantity inflation

不受控制的 AI 寫作工具可能批量制造表面漂亮、實(shí)質(zhì)空洞的論文。XtraGPT 因?yàn)槭?revision-only，前端需要真實(shí)的作者勞動(dòng)，因此更像 filter/refiner，而不是低成本灌水的 accelerant。

第三，alignment with scientific values

LLM 可能偏離作者意圖和科學(xué)規(guī)范。XtraGPT 通過 controllability、criteria grounding、全文上下文和作者審閱，試圖把修改約束在學(xué)術(shù)共同體認(rèn)可的寫作標(biāo)準(zhǔn)內(nèi)。

這也是研究團(tuán)隊(duì)在工作中提出的一個(gè)更大的 position：

評(píng)價(jià) academic-writing AI，不應(yīng)該只看 ROUGE、BLEU 或普通 win rate，而應(yīng)該轉(zhuǎn)向衡量它是否遵守科學(xué)原則和社區(qū)標(biāo)準(zhǔn)。

這句話其實(shí)很重要。

因?yàn)槿绻u(píng)價(jià)指標(biāo)只獎(jiǎng)勵(lì)流暢、完整、看起來像論文，那么模型自然會(huì)朝著「更像論文」的方向優(yōu)化?？烧嬲膶W(xué)術(shù)價(jià)值不只是像論文，而是要有清晰問題、可靠證據(jù)、嚴(yán)謹(jǐn)論證、誠實(shí)邊界和可追溯責(zé)任。

PaperDebugger：把這種工作流帶進(jìn)編輯器

XtraGPT 還被用于 PaperDebugger 這樣的編輯器內(nèi)學(xué)術(shù)寫作系統(tǒng)。

相比把論文復(fù)制到聊天窗口里反復(fù) prompt，編輯器內(nèi)的工作流更接近真實(shí)寫作：作者在原稿中定位問題，模型返回可比較的修改，作者再?zèng)Q定是否接受。

這也是 XtraGPT 路線的一個(gè)自然延伸。

未來的學(xué)術(shù)寫作 AI，可能不應(yīng)該是一個(gè)和論文編輯器割裂的聊天框，而更像代碼編輯器里的 Copilot：它理解上下文，響應(yīng)局部指令，給出可審閱 diff，但最終 merge 權(quán)仍然在人手里。

從「幫我寫」到「幫我改對(duì)」

過去，AI 寫作工具最吸引人的賣點(diǎn)往往是：

• 幫我寫一段。
• 幫我生成摘要。
• 幫我擴(kuò)展成論文。
• 幫我快速產(chǎn)出。

但 XtraGPT 代表的是另一種方向：

• 幫我把這個(gè) motivation 改得更有說服力。
• 幫我讓這段 method 和前文術(shù)語一致。
• 幫我強(qiáng)化這里的 claim-evidence 關(guān)系。
• 幫我在不改變作者意圖的情況下，讓這段更符合論文標(biāo)準(zhǔn)。

這不是一個(gè)更炫的故事，卻可能是一個(gè)更負(fù)責(zé)任的故事。

在 AI 會(huì)議已經(jīng)被投稿量、評(píng)審壓力和學(xué)術(shù)內(nèi)卷壓得越來越緊的背景下，學(xué)術(shù)寫作 AI 如果繼續(xù)服務(wù)于「更快地產(chǎn)生更多論文」，只會(huì)讓系統(tǒng)問題更嚴(yán)重。

XtraGPT 試圖給出另一種答案：

AI 不必成為論文生產(chǎn)機(jī)器。它可以成為論文修改中的上下文感知助手、學(xué)術(shù)標(biāo)準(zhǔn)執(zhí)行器和作者意圖的放大器

這或許才是 AI 時(shí)代學(xué)術(shù)寫作更值得走向的未來：不是讓研究者退出寫作，而是讓研究者在更好的工具支持下，對(duì)自己的想法、表達(dá)和責(zé)任保持更強(qiáng)的控制。