文章核心观点 - arXiv平台对计算机科学领域的综述性和立场性文章实施新规，要求必须先通过同行评审才能投稿，此举是对AI生成内容泛滥的被动防御[2] - 上海交通大学研究团队将AI生成综述论文的泛滥现象精准定义为"综述论文DDoS攻击"，指出其本质是耗尽学术界有限注意力资源的拒绝服务攻击[5][7] - 研究通过量化分析证实，2022年底ChatGPT发布后，arXiv上CS领域综述论文数量、AI生成分数及可疑发表行为均出现激增，AI是核心驱动力[10][14] - AI生成综述的四大缺陷导致"文献投毒"现象，严重危害学术生态，扭曲学术评价体系[16][19][21] - 解决方案包括近期的严格审查政策和长期的"动态实时综述"范式革新，构建人-AI协作的策展循环[23][24] 问题定义与量化分析 - 提出"综述论文DDoS攻击"概念，精妙比喻海量AI生成内容淹没真正学术见解，导致研究人员被"拒绝访问"有价值洞察[5][7] - 分析2020至2024年间arXiv上10,063篇CS领域综述论文，发现清晰的"后2022年激增"转折点[10] - CS综述论文总量呈爆发式增长，研究者已不堪重负[12] - 平均AI生成分数翻了一倍多，清晰表明AI是增长核心驱动力[13] - 可疑发表行为激增，指向AI辅助下的批量生产，如月内以少于2名合作者发表超3篇综述的作者数量激增[14] AI生成综述的危害 - AI生成综述存在结构性空洞、缺乏创新分类法、引文与内容错漏、高度冗余四大典型缺陷[17][18] - 这些缺陷共同导致"文献投毒"现象，使新入行研究人员从一开始被植入错误学术前提[19] - 低质量AI综述互相引用，在学术搜索引擎上制造虚假繁荣，形成自我强化循环，扭曲学术评价体系[21] 解决方案与未来展望 - arXiv新规是一种防御性的紧急熔断措施[23] - 近期务实策略包括作者透明度要求、对综述进行更严格审查、在审查中引入AI检测和验证、激励高质量综述[26] - 长期愿景是构建"动态实时综述"新范式，建立由社区共同维护的、版本可控的在线知识库，实现人-AI协作策展循环[24] - DLS模式能解决冗余、保证质量、解决时效性问题，将AI转变为科研助手而非威胁[24]