用AI写研究计划书会被看穿吗——AI幻觉、日文文献与“原典核实”的方法

作者：贞村真宏（东京大学法务博士〔专业学位〕）

用AI写研究计划书，教授会不会看出来——这是这两年被问得越来越多的问题。

这个问题的问法本身有点偏。真正决定成败的，不是“你用没用AI”，而是“这份计划书里的每一条引用是不是真的存在、你是不是真的读过”。而这两件事，恰好是当前的AI在日语学术与法律文献上最不擅长的地方。

一、先把结论说清楚：用AI起草，本身不是问题

我自己的研究方向之一是可解释AI（XAI）——让机器的输出变得可核查、可追问。所以我不会写一篇“不要用AI”的文章，那既不现实，也不诚实。

现实是：日本的研究生院里，教授和学生都在用生成式AI。用它把模糊的想法整理成结构、把中文构思先转成日语的骨架、列出可能的检索关键词——这些都是合理的起点，效率上没有理由放弃。

所以教授在意的从来不是“这是不是AI写的”。审查一份研究计划书，看的是三件事：你的问题是否成立；这个问题此前被做到了哪一步；你打算用什么方法往前推一步。AI能把这三件事写得像模像样，却不能替你完成其中任何一件。

被扣分的从来不是AI，而是下面这三个具体的结果。

二、三个结构性风险

（a）引用幻觉：不是偶尔出错，而是结构性的

语言模型生成的是“在统计上最像正确答案的下一串字符”。当它引用一篇真实存在、且被大量数字化转载的英文论文时，正确的字符串就在它的参数里，命中率相当高。但当它被要求引用一篇从未数字化、公开互联网上根本不存在的日文文献时，它没有可以回退的事实——于是它做它唯一会做的事：把格式补全。

结果就是一条形式上无懈可击、实质上不存在的引用。以下是典型模式的例示（这是对常见形态的归纳，不是某一次具体测试的记录）：

（本文刻意用“○”代替具体数字。虚构的编号一旦写实，就可能被检索到、被再次引用——这本身就是问题的一部分。）

需要强调的是：越是格式规范的引用，越容易让人放松警惕。就不接检索、仅凭参数生成的情形而言，这也不是“等模型再强一点就会消失”的缺陷，而是“训练数据里没有的东西无法被生成出来”这一结构本身；接入检索或联网（RAG）可以缓解，但缓解的前提是被检索的资料本身在线——这正是下一节要说的问题。

频率上，法律领域已有可引用的实测研究。斯坦福大学 RegLab／HAI 团队的两项研究经同行评审后发表：Dahl, Magesh, Suzgun & Ho, “Large Legal Fictions: Profiling Legal Hallucinations in Large Language Models,” Journal of Legal Analysis 16(1), 64–93 (2024) 报告通用大模型在针对随机抽取的美国联邦判例所提的、可直接验证的问题上“hallucinate at least 58% of the time”（至少58%的情形出现幻觉）；Magesh 等，“Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools,” Journal of Empirical Legal Studies 22(2), 216–242 (2025) 则发现，即便是接入了法律数据库的专业检索工具（Lexis+ AI、Westlaw AI-Assisted Research 等），幻觉率仍在“between 17% and 33% of the time”。这两项研究的对象是美国法与英文资料；日语原典的在线比例更低，情况只会更差，但目前没有针对日语法学文献的同类实测数据可引——因此本文对日语环境的判断，是笔者的实务观察，而非实测值。

（b）同质化：教授一年读几十份同一种文体

一个申请季里，教授会读几十份研究计划书，其中相当一部分出自同一批工具。于是同一种段落结构、同一种连接方式、同一种谨慎到没有立场的问题设定，反复出现。

这里的风险不是“被认定为作弊”，而是更平淡也更致命的一件事：读起来没有作者。研究计划书评的是一个人的判断力——为什么选这个问题而不是那个、为什么接受这个前提而怀疑那个。当文本被磨得毫无棱角，评审者看不到判断，只能看到一份合格的模板。

顺带一提，这也是为什么“代写”产业的产品在日本这边并不好用。申请文书被中介虚假“包装”甚至擅自篡改的问题，已被中国官方媒体公开报道；审查方比申请人更早知道这类产业的存在。

（c）先行研究的空洞

AI没有读过那些文献的实物，所以它写出来的“先行研究”往往长这样：“关于本主题已有一定的研究积累”“既往研究主要从A与B两个角度展开”。听上去很像样，但没有任何一句能落到某位研究者的某个具体主张上。

而先行研究恰恰是整份计划书里唯一能证明“你已经进入这个学术共同体”的部分。它的功能不是显示你读得多，而是把你的问题定位在一张已有的地图上：谁做到了哪一步、卡在哪里、你要补的是哪一块。这一段空洞，后面所有的方法论设计都会失去意义。

三、为什么在日语环境里尤其严重

上面三点在任何语言里都成立，但在日语环境里会被显著放大。原因是一个很朴素的事实：日本的学术与法律信息，对AI来说是低资源语料。

把这些加起来只有一个结论：中文与英文世界里“上网就能查到”的直觉，在日文原典上不成立。AI读不到它们，不是因为模型不够强，而是因为它们不在网上。

这里需要区分两件事，否则容易走到另一个极端。J-STAGE等平台确实公开了大量全文——据其官方介绍，收录来自2,400余家发行机构的4,000种以上期刊与会议录，其中九成以上的文章可免费阅览——这一部分AI也能读到。读不到的是没有进入这些平台的部分：纸质的判例评释、未数字化的大学学报（紀要）、立案担当者的解说，以及只有书目在线的旧刊。所以真正的难点并不是笼统的“AI读不到日文”，而是AI分不清哪一条是它真的读过的、哪一条是它按格式补全出来的。

这里还有一个中文母语者特有的陷阱：汉字带来的错觉。能读懂汉字，确实让中文母语者在日语文献上的起点更高——但同形异义词、以及日语学术文体特有的委婉论证方式，恰恰因此更容易被误读。“看得懂”与“能准确引用”之间，隔着一整套学术规范。

四、会怎样被发现

很多人以为“查引用”是一件麻烦事。对教授来说不是——那是他每天都在做的事。

更重要的是被发现之后的性质。日语不够好、研究设计不成熟，属于能力问题——能力问题可以补，教授也见惯了。但引用了不存在的文献，性质完全不同：它会被归入诚信问题。日本的研究伦理框架把捏造、篡改、剽窃列为“特定学术不端行为”（文部科学省《关于应对研究活动中学术不端行为的指南》，日文原名：研究活動における不正行為への対応等に関するガイドライン）。出愿阶段的研究计划书当然不直接适用那套惩戒程序，但读你计划书的人，判断标准来自同一套职业伦理。

这就是这件事真正的不对称之处：能力上的不足可以在入学后补上，诚信上的怀疑没有补救的机会。

五、正确的工作流：不是“抹掉AI”，而是“逐条回到原典核实AI”

如果结论是“别用AI”，这篇文章就白写了。正确的做法不是把AI的痕迹擦掉——那只是化妆——而是把AI给出的每一个事实性主张，换成有出处、你自己读过的东西。

第0步：让AI做它擅长的事——发散，而不是断言。
让它列出可能的研究角度、可能的日文检索关键词（同一个概念在日语里往往有好几种表述，这一步AI非常有用）、把你的中文构想转成日语学术表达的初稿。原则是：让AI提供检索的入口，不让它提供事实。

第1步：起草时先立规矩。
在提示里明确要求：需要引用的位置只留空标记（例如写成“［要出典］”），不要自行填充文献。如果它已经填了，就把每一条都当作“未经验证”处理——包括那些看起来最可信的。

第2步：全量核实与替换（这一步是全文的核心）。
建一张引用台账，每条引用一行，至少五列：①这条引用支撑的主张 ②AI给出的出处 ③核实结果（存在／不存在／存在但不支持）④实际出处（含卷号与页码）⑤你用一句话写下的该文献要点。

处理规则只有三条：

  1. 存在且相符 → 保留，补上准确页码。
  2. 存在但不支持这个主张 → 要么改写主张，要么更换出处。这一类最容易被放过，也最危险。
  3. 不存在 → 删除。然后回到检索，重新去找真的说过这件事的人。

请注意顺序：不是“把假引用换成真引用”，而是先有阅读，再有引用。前者只是把幻觉洗白，后者才是研究。

第3步：真的去读日文先行研究，并据此重建结构。
选3～5篇核心文献，向后追它们的参考文献、向前追引用它们的后续研究，把这条引用链走一遍。然后用自己的话写出三句：既往研究做到了哪一步／还剩什么没有解决／我要补的是哪一块。这三句话是整份计划书的心脏，也是面试必问之处。它必须由你来写。

第4步：做一次“面试耐受性”自检。
对每一条引用问自己：我能不能用两句话说清这篇文章讲了什么、以及它为什么与我的问题有关。答不出来的，删掉。一份引用不多但每条都站得住的计划书，远胜过一份引用密集却经不起一问的。

第5步：最后才轮到语言润色，这一步可以再交给AI。
顺序很重要：先核实事实，再打磨语言。反过来做，等于给假货打蜡。

六、自查清单：把引用一条一条核实

6-1 期刊论文与大学纪要

判定原则：查不到 ≠ 不存在（很可能只是没有数字化）。但如果既查不到书目、也说不出它的实体所在（哪本刊、哪一卷、哪家图书馆有），就按不存在处理。

6-2 判例与法条

6-3 图书与纸质资料

（以上各项的日文原名与网址见文末“参考资料”，检索时用日文原名更容易找到。）

6-4 三个一分钟检查

  1. 页码。AI给出的引用几乎从不带准确页码。没有页码的引用，一律重查。
  2. 卷号与年份的对应关系。这是最常见的破绽，对一下该刊的发行年表即可。
  3. 你能不能说出这篇文章的结论？ 说不出，就说明你没读过；没读过，就不要引。

6-5 按处境的最小方案

结语

AI不是“要不要用”的问题，而是“用到哪一步为止”的问题。

我自己的研究方向之一是可解释AI——让机器的输出变得可核查、可追问，本来就是这个领域的主题。研究计划书也一样：AI可以给你一个高效的起点，但“核查”这一步不能再外包给AI，只能由你自己、或者由能真正读到日文原典的人来完成。

把这一步做完之后，你的计划书就不再是“AI写的”了。它是有出处的。

如果你已经有一份AI写的初稿，却不知道其中哪些引用是真的：本站提供 AI回答引用核实（逐条核对日本判例、法条、文献是否真实存在，返还核实报告与正确出处）与 研究计划书套餐（3个月一对一）——先行研究地图、辅导课12次、研究计划书修改12稿、联系教授的礼仪指导、模拟面试2次。能在线确认的在线核对，只存在于纸面的到国立国会图书馆等处调阅原件核对，并把该处的原文与所在信息一并交给您；不代写，也不作任何“保录”承诺。
→ 服务与价格（AI回答引用核实） | 直接联系（中文可）

关于作者：贞村真宏。东京大学法科大学院毕业（日文称“修了”），取得法务博士（专业学位、J.D.），同行评审论文21篇。研究方向为法与心理学、量刑判断、可解释AI（XAI）与自然语言处理。

免责：本文为一般性信息，不构成任何个案建议。

本文基于公开第一手资料整理，信息截至2026年7月。

参考资料

相关阅读

最后更新: