greCAPTCHA：以理解力作为生成式 AI 下研究署名的证据

针对会议、期刊、资助方和高校面临的疑似 AI 代写投稿激增问题，研究者提出 greCAPTCHA，通过「验证能力」这一构念，用受监考的测评衡量作者对稿件内容的理解，并自动生成评估报告。原型用户研究涉及 31 名研究者，自动评分预测论文是否由参与者撰写的 AUC 为 0.90，参与者总体反馈积极，但提出部署前仍需重要修改。

此前机构主要依靠署名来判断作者是否具备相应专业能力，在生成式 AI 普及后这一假设不再可靠。该工作把评估对象从「作品」转向「作者对作品的理解」，并给出了初步可量化的验证手段。

机制是将署名资格重新定义为可测的「验证能力」，即对稿件内容进行批判性判断所需的知识与推理；系统据此自动生成覆盖多个理解层级的问题，在受监考条件下作答，再由评分模型判断作者与稿件的匹配程度。

对学术出版、科研管理及内部评审流程而言，可能需要引入作者理解力测评作为投稿或评审环节，增加监考与问卷生成的成本，同时为机构提供署名可信度的量化参考。

• 为期刊或会议开发投稿前的作者理解力测评模块，输出可存档的评估报告
• 面向高校与资助方提供论文答辩式的受监考问答服务，用于署名核查
• 将理解力测评嵌入科研诚信审查流程，与现有查重工具形成互补
• 为作者提供自测工具，在投稿前识别自身对稿件内容的理解薄弱点

• 自动评分的 AUC 0.90 是否能在更大规模、跨学科样本中保持
• 参与者建议部署前进行哪些具体修改尚未在证据中说明
• 系统在实际高利害场景中能否抵抗作者与 AI 的联合规避策略
• 监考、出题与评估的成本和对正常投稿流程的时延影响尚不明确