不同章节的 AI 痕迹表现不同，修复力度也应不同。方法章节的"AI 味"其实是学术规范；文献综述的"AI 味"才是真的失真。
| 章节 | AI 风险等级 | 主要改写策略 | 保留要素 |
|---|---|---|---|
| 摘要 | 🔴 极高 | 大幅重写，注入具体数据 | 核心发现、研究对象 |
| 引言 | 🔴 极高 | 重构开头，加入真实文献张力 | 研究问题、贡献声明 |
| 文献综述 | 🔴 极高 | 彻底重写，补充具体作者+年份 | 文献脉络、分歧点 |
| 研究假设 | 🟡 中 | 注入 hedge，降级绝对断言 | 理论基础、假设逻辑 |
| 数据来源 | 🟢 低 | 细化具体步骤 | 数据源、样本期、清洗规则 |
| 计量模型 | 🟢 低 | 删除冗余虚词 | 模型形式、变量定义 |
| 基准结果 | 🟡 中 | 具体化数字、降级断言 | 系数、显著性水平 |
| 机制分析 | 🟡 中 | 打破总分总结构 | 机制链条、中介变量 |
| 异质性 | 🟡 中 | 制造句长方差 | 分组方式、系数差异 |
| 稳健性 | 🟢 低 | 每个检验对应一个担忧 | 检验方法、结果方向 |
| 讨论 | 🔴 极高 | 大幅重写，注入谨慎性 | 发现的意义、局限 |
| 结论 | 🔴 极高 | 避免回音壁，引入新信息 | 研究贡献、未来方向 |
AI 典型症状：
- 开头"本研究..."或"本文..."
- 中间全是"深入探讨/全面分析/系统研究"
- 末尾"具有重要的理论意义和实践价值"
改写红线：
- 字数控制在 200-300 字（中文）/ 150-250 词（英文）
- 必须包含 3 个具体数字：样本量、时间窗口、关键系数
- 必须包含 1 个具体文献回应："与 Smith (2020) 的结论一致/不一致"
- 必须去掉所有"深远影响/重要意义/有益参考"类空话
骨架模板（参考用，不是直接套）：
[研究问题一句话] — [方法一句话] — [数据一句话，含样本量和时间窗口] —
[主要发现一句话，含具体系数] — [机制一句话] — [文献对话一句话] —
[边际贡献一句话]
AI 典型症状：
- 开头"近年来，XXX 受到广泛关注"
- 中间"相关研究主要从三个方面..."
- 结尾"本文的创新点主要体现在以下三个方面"
改写红线：
- 禁止用"近年来"/"随着...的发展"开头
- 必须以具体事件/数据/文献争论开头（如案例 2 的 AlphaGo 开场）
- 贡献声明不要编号列出三点，而是用段落陈述式写法，突出相对现有文献的边际改进点
- 文献引用精确到作者+年份，不用"相关研究"
经济学顶刊常见引言套路：
- 争论性问题："X 和 Y 的关系在文献中仍有争议"
- 识别困难："既有研究难以识别 X→Y 的因果，因为..."
- 本文对策："我们利用 [具体制度变化/自然实验] 克服了这一困难"
- 主要发现：具体数字
- 边际贡献：相对现有文献的两三点改进
AI 典型症状：
- "首先...其次...再次...最后..."
- "部分学者认为...另一些学者则认为..."（不给具体作者）
- 每个观点都用"具有重要意义"结尾
改写红线：
- 每条观点必须跟至少 1 位具体作者和年份
- 必须承认分歧：如果两派观点都有，写出来；不要粉饰共识
- 不同意见的取舍："Smith (2020) 认为 X，但我们用 [更新/更大/不同] 数据发现 Y"
- 文献综述的末段应指出研究 gap——但不要用"空白"这种词，改为"尚未被系统检验"或"既有研究的样本局限在..."
AI 典型症状：
- "基于上述分析，本文提出以下假设"
- 假设措辞："A 能够显著促进 B"
改写红线：
- 假设措辞用 hedge：用"A 对 B 有正向影响"或"在控制 X 后，A 与 B 正相关"
- 避免用"能够"/"显著"——这些词会在结果段再出现，此时出现属于先入为主
- 如果有多个假设，不必编号为 H1/H2/H3，可以用段落陈述（看具体期刊风格）
AI 典型症状：
- "数据来源于：A、B、C、D 等权威数据库"
- "经过严格的整理、筛选、匹配、清洗"
改写红线：
- 每个数据源单独一句说明：来源 + 变量 + 时间窗口
- 清洗步骤列具体规则：剔除 ST 样本、缩尾 1%、按行业聚类——而不是"严格清洗"
- 如果样本期选择有政策理由，必须说明（如"2015 年政策试点为起点"）
AI 典型症状：
- "对于本文而言，由于...故而..."
- "在此基础上，以 Y 为被解释变量..."
改写红线：
- 禁用"对于...而言"/"由于...故而"/"在此基础上"
- 直接写方程：
$Y_{it} = \alpha + \beta X_{it} + \gamma Z_{it} + \mu_i + \lambda_t + \varepsilon_{it}$ - 每个变量下面一句话说明：
$X_{it}$是数字化转型指数... - 估计策略说明为什么用这个方法：OLS、IV、DID、PSM 的选择理由
AI 典型症状：
- "由表 X 可以看出，系数非常显著为正"
- "这充分证明了..."
改写红线：
- 不说"非常/极其/显著"的主观形容词，直接给 t 值、系数、置信区间
- 描述顺序：列 (1) 不加控制变量 → 逐步加控制变量 → 系数稳定性
- 禁用"证明了"/"充分说明"，改为"与 H1 的预期方向一致"或"为 X 提供了证据"
AI 典型症状：
- "首先...其次...因此..."的线性推演
- 每段末尾重复段首论点
改写红线：
- 用问句开启机制段：如"基准结果背后是什么机制在驱动？"
- 每个机制路径给具体中介变量和统计量
- 报告中介效应占比（如"这条路径解释了基准系数的 37%"）
AI 典型症状：
- "不同分组之间存在显著差异"
- 只报方向不报机制
改写红线：
- 报告分组系数的比值（如"大企业系数是小企业的 1.8 倍"）
- 解释背后机制：为什么这个分组效应更强/更弱
- 可以穿插短句制造节奏：如"效应在谁身上最强？"（见案例 9）
AI 典型症状：
- "为进一步验证结果的稳健性，本文进行了一系列稳健性检验"
- 列举但不说为什么要做每个检验
改写红线：
- 每个稳健性检验对应一个具体担忧（测度误差、选择偏差、反向因果、偶然性）
- 给出具体数字证明结果稳健
- 安慰剂检验要报告经验分布分位点
AI 典型症状：
- 只讲正向意义，不讲局限
- "填补了...空白"、"为...提供了重要参考"
改写红线：
- 必须讨论与既有文献的对话——支持、反驳或补充
- 必须承认局限：数据的局限、方法的局限、样本期的局限
- 禁用"填补空白"——真正的学者不会这么说，改为"系统检验了既有文献未处理的 X 问题"
AI 典型症状：
- 重复摘要内容
- "为政策制定和企业管理提供了参考"
改写红线：
- 不重复摘要，结论段要引入新信息
- 必须包含：未解决的问题 + 下一步研究方向
- 政策启示要具体，避免"完善制度"/"加强监管"这种空话
- 可以承认研究的意外发现或局限，增加可信度
如果时间有限，按以下顺序改：
- 摘要（投稿前第一关，检测器重点扫描）
- 引言开头三段（第一印象决定整篇观感）
- 结论段（避免与摘要回音）
- 文献综述（AI 最容易露馅的章节）
- 讨论段（hedge 注入）
- 其他章节
原则：AI 最容易写"好看但空洞"的段落，最应该改；AI 写得相对保守的段落（如方法、稳健性），反而可以少改。