ISEF AI项目怎么留独立判断证据?三个自查点

先给结论:独立判断要留下三样可检查的东西

ISEF AI项目里,如果生成式AI参与了研究问题、文献、代码或数据分析,那么“我在方法里写了一句使用AI并披露”通常不足以说明关键判断由你完成。更可检查的做法是留下三条证据链:问题定义(研究问题是你收窄的,不是AI递过来的一个漂亮题目)、验证记录(你如何独立查错,而不是复述AI的输出)、取舍解释(你为什么没有直接采用AI给出的答案)。

这三点针对的是备赛中的实际追问场景,不是官方评分表。Society for Science 已发布AI使用指南与AI Use Table,用于说明项目开发与执行中何时可以使用生成式AI以及如何引用(来源:Society for Science,International Rules 页面,2026年11月查阅)。合规披露回答“能不能用”,这三条证据回答“用了之后,判断是谁做的”。

2026年ISEF科学家对话:他们担心的不是工具,是判断被让渡

2026年Regeneron ISEF大会期间,由沙特阿美赞助的“卓越科学与技术论坛”上,科学记者Joe Palca与三位科学家对话:麦克阿瑟奖得主、亚利桑那州立大学教授Sarah Stewart,亚利桑那州立大学技术与创新教授、美国国家科学基金会前主任Sethuraman “Panch” Panchanathan,以及2014年诺贝尔化学奖得主、斯坦福大学教授W.E. Moerner(来源:微信公众号“有方背景提升”《2026 ISEF重磅对话!三位顶尖科学家寄语年轻科研者》,2026年6月30日)。

Moerner肯定了AI快速检索过往研究的能力,同时表示担心人们因此减少独立思考,并强调“你必须去验证它,确保它的结果是正确的。这些系统中陈述的许多内容,我们已经知道存在错误”。Stewart说得更直接:AI可以作为辅助工具,但“不加检验、不清楚自己想要什么结果”地随意使用就是负面的,它不是万能工具。这两句话正好对应本文的自查点二和自查点一:验证,以及先有自己的目标结果。

三条判断证据链

自查点一:研究问题是你收窄的,还是AI递给你的

AI擅长的,是在几秒内给出十个“看起来很像科研”的题目,比如“基于深度学习的城市垃圾分类系统”。作为起点没问题,问题在于它往往没有变量关系,也没有边界。可检查的证据是:你能不能拿出一个收窄过程的版本记录——最初的宽泛想法、你排除了哪些方向、依据是什么(设备条件、样本可及性、伦理限制、研究周期)、最后确定的可检验变量关系是什么。

最省事的留证方式,是在研究记录里保留两三个版本的“问题陈述”,旁边写一句为什么改。比如把“做一个分类器”改成“在三种光照条件下比较两种输入尺寸对透明容器误判的影响”,并注明“因为食堂样本主要在室内荧光灯和窗边自然光下拍摄”。这类改动痕迹比一段总结更能说明判断发生在你这里。研究问题如何收窄到可检验的变量关系,可结合本站选题与假设相关文章阅读;分阶段留证方法见ISEF研究记录怎么做?分阶段留证方法一次讲清。

自查点二:验证记录必须独立于AI的输出

“我检查过了,结果是对的”不是记录。可检查的验证记录至少包含三件事:你用了什么独立于AI的核查手段(原始数据、手工抽样、第二套代码、文献原文、实物测量);核查发现了什么差异;差异之后你改了什么。

Moerner提到系统“陈述的许多内容已知存在错误”,这在代码和数据分析环节最容易被忽略。AI给出的评估代码可能默认随机划分训练集与测试集,而你的图像来自少数几个地点,随机划分会把同一地点的近重复图片分到两边,指标就会虚高。有价值的记录是:“按拍摄地点重新划分后,指标明显下降,因此改用分组划分,并在局限中说明。”这里不需要复杂统计,只需要一个能被第三方复算的比较。代码与数据如何留痕,见ISEF代码与数据留存:怎样让分析结果可复现。

自查点三:取舍解释,说清“为什么没有直接用AI的答案”

评委可能追问的是判断,不是工具。你需要能回答:AI给了哪几个建议,你采纳了哪个、拒绝了哪个、理由是什么。拒绝的理由最好是项目内部的理由,而不是“感觉不对”——例如方法在你的样本条件里不稳定、引入的数据来源与你自己的采集条件不一致、某个特征在真实场景里拿不到,或者该做法触及伦理与隐私限制。

Panchanathan在同一场对话中提出的三个“A”——承认负面影响、与需要合作的伙伴共同解决、再向前推进——可以借来处理取舍叙述:承认AI方案在你项目里的局限,说明你如何针对性补足,再说清最终采用什么。这不是官方要求,只是一种让叙述不流于空话的写法。

教学假设例:一个AI辅助图像分类项目怎样留证

以下为教学假设例,仅用于说明证据形式,不是官方评分标准,也不来自任何真实参赛学生。

假设一名学生做校园垃圾二分类项目,用生成式AI辅助写了数据加载与评估代码。三处留证可以是:

  • 问题定义:研究记录里同时保留最初的“做一个分类器”和最终的“比较两种输入尺寸在窗边自然光下对透明容器的误判影响”,附一句收窄理由。
  • 验证记录:AI给的评估代码按随机划分得到较高指标;学生按拍摄地点分组重划后指标下降,于是改成分组划分,并把这次对比写进方法,而不是删掉。
  • 取舍解释:AI建议用合成图像扩充样本;学生判断合成图像无法代表食堂实际光照,改为补采不同时段照片,并在局限中写明样本仍集中在单一校区。

三条都不是“我用了AI”的声明,而是可以被追问、被复算的判断痕迹。

论文、海报、答辩:三层放不同的证据

常见错误是把三条证据全塞进论文,海报上却只剩一句“使用AI辅助”。下面这层分工属于教学建议,不是官方规定:

位置 放什么 避免什么
论文方法/局限 说明AI用在哪一步、验证方式、划分与评估口径、结论边界 只在致谢里提一句
附录或补充材料 提示词版本、AI输出与实际采用版本的对照、验证脚本运行说明 只贴最终代码、没有对照
海报与口头答辩 一句话讲清“AI建议了什么、我改了什么、为什么” 背术语、回避追问

海报信息怎么取舍,可参考ISEF海报信息取舍:怎样让评委快速找到核心证据。海报上留一句取舍说明,往往比多放一张好看的结果图更能引出有效对话。

常见误区与七项自查

四个高频误区:把“已披露AI使用”当成“已证明独立判断”;验证记录只写结论不写差异;把AI的建议原样搬进结论段;只留最终代码、删掉中间版本,导致说不清改了什么。

提交前可自查七项:研究问题是否有两版以上并注明改动理由;是否记录了AI介入的具体环节;是否有至少一次独立于AI的核查;核查是否发现了差异并导致修改;是否能口述一个被拒绝的AI建议及理由;论文局限段是否与验证记录一致;海报上是否有一句取舍说明。

准备一次AI项目证据诊断,需要带什么

如果你希望咨询时间里得到有针对性的判断,而不是泛泛鼓励,建议先准备三样材料:一页研究问题演变记录(含最终版本与变量关系);一份AI使用环节清单(哪个环节、什么工具、输出如何被采用);一份验证与取舍记录(核查手段、发现的差异、做出的修改)。有了这三样,讨论可以集中在“哪一环证据最薄弱、优先补什么”,而不是从零复述项目。这些材料属于备赛自查,不构成任何奖项、晋级或评审结果的预期。

本站为独立的中文备赛资讯站点;Regeneron ISEF 的官方规则由 Society for Science 发布,本站与 Society for Science 无隶属关系。

一般活动背景信息可参见赛事背景资料。

证据放在哪三层

常见问题

我在方法里写了“使用AI并披露”,是不是就够了?

通常不够。披露回答的是合规问题,说明你在哪一步用了生成式AI;它不能说明研究问题为何这样收窄、结果如何被独立核查、以及你为什么没有采用AI的某个建议。更稳妥的做法是在披露之外,再补上问题定义、验证记录和取舍解释三条痕迹,让第三方能追问、能复算。

AI帮我生成的研究问题,还能算我的独立判断吗?

关键不在于题目最初由谁提出,而在于你是否留下了判断过程:你排除了哪些方向、依据是什么、最后确定的变量关系如何与设备条件、样本可及性和伦理限制对齐。保留两三个版本的问题陈述并注明改动理由,比声称“完全自己想出来的”更可检查,也更经得起追问。

验证记录要不要写那些没有走通的尝试?

建议写。验证的价值往往就在差异上:核查手段发现了什么不一致、你因此改了什么。只写“已检查、结果正确”的记录,很难说明核查是否独立于AI输出。失败的尝试、被替换的划分方式、被放弃的评估口径,都是判断发生在你这里的证据。

在线客服
微信咨询