В России в прошлом году научились проверять научные тексты на «честность»

2025 год стал поворотным для научных публикаций в России. На фоне быстрого распространения генеративных моделей встал важный практический вопрос: как отличить самостоятельную научную работу от текста, созданного алгоритмом?

Ответ на него дали разработчики из России — они создали новые инструменты анализа и проверки контента на наличие признаков ИИ-генерации.

ИИ пока – не учёный

Одним из ключевых событий года стал проект AINL-Eval 2025. Это открытый исследовательский формат shared-task, посвященный выявлению автоматически сгенерированных аннотаций и фрагментов научных статей.

Российские команды разработчиков предложили наборы данных, методики оценки и единые метрики. Участники сравнивали свои подходы к обнаружению текстов, созданных языковыми моделями, в условиях реальной академической среды.

Не просто антиплагиат

Задача оказалась сложнее, чем обычный поиск заимствований. Современные модели не копируют источники напрямую. Они создают из них связный и на первый взгляд корректный текст. Поэтому акцент в поиске сместился на статистические признаки, стилистику и структуру аргументации. Исследователи анализировали распределение терминов по тексту, логику построения фраз и особенности научного языка. Это позволило выявлять машинную генерацию даже там, где текст выглядит аккуратно и формально корректно.

Доступно для научной среды

Результаты AINL-Eval 2025, включая препринты на arXiv, были опубликованы в открытом доступе. Это сделало наработки доступными для университетов, научных журналов и исследовательских центров. Инструменты можно использовать при рецензировании статей, проверке диссертаций и анализе массивов научных публикаций.

Не против ИИ

Важно, что проект не направлен против ИИ как инструмента. Его цель другая — понять, где проходит граница между помощью исследователю и подменой научной работы. В 2025 году Россия сделала заметный шаг к формированию ясных и технологичных правил научной честности.