PaperFine

产品定位：面向国内高校学生的AI论文速成工具

PaperFine（paperfine.cn）是一个面向中国高校大学生和研究生的中文AI论文写作平台，核心服务对象是正在撰写毕业论文（学士/硕士/博士）的在校学生，以及需要辅助完成期刊投稿准备的教师和研究者。

从平台的整体设计逻辑来看，PaperFine针对的是国内论文写作的具体生态：知网级别的中文参考文献、国内高校的查重要求（通常15%以下）、国内越来越普遍的AIGC率检测（部分高校要求AIGC率5%-10%以下）、导师批注解析、开题报告生成、问卷数据分析……这些功能设计都深度匹配了国内高校论文写作的具体场景和痛点，而不是面向国际学术发表的通用工具。

底层技术上，PaperFine官方明确标注集成了GPT-5.2最强模型和DeepSeek-V3.2深度思考能力，支持上下文智能分析、全文引用标注和文献交叉引用，是目前国内AI论文工具中少数明确披露底层模型信息的平台之一。

平台采用订阅制或充值点数制付费模式，部分基础功能（如选题生成、大纲构思）免费体验，全文生成和高级功能需要付费。目前有新用户赠送30元礼品卡的优惠机制，以及开题报告、降重/降AI率服务作为福利捆绑提供，形成”低门槛进入，付费扩展功能”的变现路径。

核心功能深度解析

一键全文生成：速度是PaperFine最不可忽视的核心标签

PaperFine最被反复提及的能力，是其论文初稿的生成速度。在多个独立实测中均有记录：输入论文题目和基本要求后，系统在22-30分钟内生成1.2-1.5万字的初稿，字数要求更高时（5万字以上），时间相应延长但总体维持在30-60分钟区间内。这个速度在同类AI论文工具中属于第一梯队。

生成流程：

第一步，输入论文题目（如”基于深度学习的医疗影像分割算法优化研究”）和基本要求（专业方向、目标字数、论文类型、有无特殊章节要求）；

第二步，系统自动生成论文大纲，用户可以对大纲进行审查和修改（调整章节顺序、增删小节、修改章节标题），确认后提交全文生成；

第三步，AI基于确认的大纲逐章展开，生成包含引言、文献综述、研究方法、实验结果、讨论等标准结构的完整初稿，每个章节配有对应的参考文献标注。

生成内容的结构质量：初稿在论文结构的完整性上表现良好——章节层级清晰、过渡段落存在、摘要和关键词自动生成。对于计算机科学、工程类论文，系统可以生成包含Python代码片段、算法伪代码和数据分析代码的技术内容；对于问卷类论文，系统会生成问卷设计框架、样本描述和基础统计分析叙述；对于文献综述型论文，系统生成包含国内外研究现状对比分析的结构化综述内容。

这个速度和结构完整性，确实解决了”凌晨两点发现论文还是空白、天亮前需要有个可以工作的初稿”这个极端场景下的紧迫需求。作为”写作脚手架”的价值是真实的。

“投喂AI”：上传文献定向训练专属助手

这是PaperFine在2024年底推出的一个特色功能，也是它有别于一键生成全文的另一个差异化设计。

功能逻辑：用户将自己收集的核心参考文献（支持上传最多60篇PDF，接受知网下载的中文文献和其他格式的英文文献）上传至系统，PaperFine的AI在生成内容时会优先基于这批已上传的文献内容进行生成，确保生成内容与用户已有研究材料高度贴合，而不是从AI的通用训练知识中随机提取。

这个功能解决的实际问题：

许多用户在使用AI生成论文时最大的痛点之一，是生成内容与自己研究方向的具体课题”气质不匹配”——AI生成的内容看起来是在写一篇通用的综述，而不是在回应用户具体的研究问题。投喂AI通过让系统”阅读”用户已掌握的具体文献，大幅提升生成内容对研究课题的针对性。

文献引用的准确性提升：当生成内容直接来源于上传的真实文献时，对应段落的引用标注是真实存在的（因为内容本身来自真实文献）。这在一定程度上缓解了PaperFine最被诟病的”虚构引用”问题——前提是用户已经上传了足够多的相关文献，让AI有真实的内容可以引用。

局限性：投喂AI功能对用户前期文献收集工作的质量有强依赖——如果上传的文献本身质量不高、与研究主题相关度不强，”投喂”的结果也会在质量上有明显波动。且上传处理60篇PDF文献的时间成本，对于在截止日期前使用PaperFine的用户来说，可能本身就是一个不小的操作门槛。

AI在线改稿：导师意见智能解析

改稿功能是PaperFine除全文生成之外使用频率最高的功能模块，专门针对”收到导师修改意见但不知如何下手”的具体痛点设计。

导师意见解析流程：

用户将导师的书面批注意见（可以是文字描述、图片截图或直接粘贴批注文本）输入系统，AI自动进行以下处理：

意见拆解与分类：将导师的批注意见按类型归类——文字表达问题（语法、措辞、学术用语规范性）、逻辑结构问题（论证链条、章节衔接、论据充分性）、内容深度问题（研究现状覆盖不全面、分析层次不够深入）、格式规范问题（引用格式、图表规范、字体要求）。

针对性修改方案生成：对每一条分类后的意见生成具体的修改方案，包括修改目标段落的识别和修改后的文字建议。用户可以选择接受AI的修改建议（系统自动更新文档），也可以仅参考建议自行修改。

修改完成度追踪：系统对每一条导师意见进行”已处理/待处理”标记，确保所有批注在完成改稿前没有遗漏。

这个导师意见解析功能在实际使用中获得了较多正向反馈，特别是对于大量批注条目让人无从下手的情形，AI的系统性拆解帮助用户建立了可执行的改稿计划，减少了面对修改清单时的无力感。

多类型论文全覆盖：PaperFine支持的论文类型矩阵

按专业类型：

理工科类：支持计算机科学（含代码片段生成）、电子工程、机械工程、建筑学、环境工程、数学等；特别在计算机类论文中，系统可以自动生成Python、Java、C++等主要编程语言的代码示例和算法实现片段，并将代码嵌入论文的相应章节。

社科类：支持管理学、经济学、教育学、社会学、心理学等；社科类论文通常需要大量的理论框架引用和国内外研究现状综述，PaperFine针对此类论文的结构设计相对完善。

医学健康类：支持临床医学、公共卫生、护理学等；在医学类论文中，系统会按照IMRAD格式（Introduction/Methods/Results/Discussion）组织内容。

问卷调查类：这是PaperFine着重宣传的专项能力之一，支持从问卷设计、数据分析描述到结论推导的一站式覆盖，适合管理学、教育学等需要一手调查数据的社科类论文。

按论文形式：

• 学术学位论文（本科/硕士/博士毕业论文）

• 期刊投稿论文

• 开题报告（含研究背景、文献综述、研究方案）

• 任务书（含研究计划和预期成果）

• 文献综述（独立作为一种文章形式）

• 英文摘要生成（中文论文配套的英文Abstract）

• 软件工程类课设报告

降查重与降AIGC率：独创”双低技术”

这是PaperFine在2025年市场环境下主动强化的核心卖点。

背景：随着各高校在传统查重（文字相似度检测，如知网查重）之外，陆续引入AIGC率检测（识别文本是否为AI生成，如GPTZero、达观数据等工具），AI生成的论文面临双重合规压力——既要查重率低于学校要求，又要AIGC识别率低于学校或期刊的AI内容比例红线。

PaperFine的”双低保障”机制：

系统在生成初稿时内置了两个层次的处理：

降查重处理：通过同义词替换、句式变化、语序调整等方式对生成内容进行语言层面的多样化处理，使最终文本与现有文献的文字相似度降低，典型查重率声称可控制在3%-8%区间（部分宣传材料提出7%-25%的更宽区间）。

降AIGC率处理：通过语义变异、段落重组、引入语言随机性等技术手段，降低文本被AI内容检测器识别为”AI生成”的概率，声称AIGC识别率可控制在5%-10%。

关于这个功能需要了解的现实：

独立实测数据对这些声称的数字提出了疑问。在一项针对PaperFine输出内容的独立测试中，8篇引用文献中有5篇被验证为虚构——这意味着即使查重率看起来”达标”，文献引用的真实性问题仍然是一个独立的高风险因素，而这个风险无法通过降重技术解决。

此外，降AIGC率技术与AI检测工具之间存在持续的技术对抗关系：检测工具在不断更新识别算法，降AIGC率工具也在持续迭代对抗方法。在这个动态博弈中，任何工具声称的”降到X%以下”都具有时效性，不同检测平台的识别结果也会有差异。

图表与数据可视化：多媒体内容的自动生成

PaperFine内置了论文常用的多媒体内容生成能力，覆盖了手动绘制图表耗时最长的几类内容：

数据图表：根据论文中的数据（用户提供数值或由AI生成示意性数据），自动生成柱状图、折线图、饼图、散点图等标准统计图表，直接以图片格式嵌入论文对应章节。

思维导图与流程图：在方法论章节或研究框架说明中，自动生成结构清晰的思维导图（研究逻辑框架）和流程图（研究步骤、算法流程、系统架构），适合需要大量框架性图示的管理学和工程类论文。

三线表：在实验结果或数据对比章节，自动生成符合学术规范的三线表格式，这是理工科学术论文的标准表格格式，手动排版耗时，自动生成在格式规范性上有明显效率优势。

代码块格式化：在计算机类论文中，自动生成具有规范格式的代码块，包括代码注释和算法步骤说明。

这些多媒体内容生成能力是PaperFine相比部分纯文字生成竞品的功能扩展，对于论文中图表比例要求较高的理工科学生，减少了额外的绘图工作量。

文献综述与参考文献：最大的功能风险区

文献综述生成：

输入研究方向或已有的几篇核心参考文献标题，PaperFine可以自动生成包含国内外研究现状分析的文献综述章节，通常覆盖以下结构：研究背景与问题背景、国外相关研究综述（按时间线或主题线组织）、国内相关研究综述、研究现状的评价与研究空白识别。

文献综述章节的结构完整性和语言流畅度是PaperFine的真实优势——生成的文献综述读起来通顺，逻辑清晰，不像早期AI生成内容那样语句生硬。

参考文献的核心问题——虚构引用：

这是PaperFine使用中最严重也最被忽视的风险。在多个独立实测中，用户验证PaperFine生成的参考文献列表时发现：相当比例的引用文献是AI”编造”的——作者真实存在、期刊真实存在，但那篇具体的文章并不存在，或者文章存在但内容与论文中的引用描述完全不符。

实测数据显示，在一些生成结果中，8篇引用文献中有5篇被验证为虚构，虚构比例高达60%以上。这个问题并非PaperFine独有（通用AI幻觉在学术引用中是普遍问题），但由于PaperFine以”论文专业工具”的定位让用户降低了警惕性，同时”投喂AI”之外的默认生成模式缺乏足够的来源验证机制，使用者在没有主动逐条核查的情况下，极易将虚构引用直接保留在最终提交的论文中。

虚构引用的学术后果：

提交一篇包含大量虚构参考文献的论文，在学术上属于学术不端行为，后果与抄袭类似——导师发现后要求重新提交、答辩被推迟、严重情况下影响毕业资格。这个风险不是小概率事件，而是在当前技术下使用默认生成模式时相当概率会发生的问题。

英文论文支持

PaperFine以中文论文为主要服务场景，但官方声称支持英文论文生成，包括英文摘要写作、英文版文献综述和全英文论文初稿生成。

英文论文功能的实际表现在现有用户反馈中较少被系统评估，但从产品设计的中文导向性（界面全中文、功能优化针对国内高校场景）来看，英文论文生成是附加功能而不是核心优化方向，在英文学术写作质量（如学术英语表达规范性、与国际期刊的风格匹配）上不应与专注英文写作的Paperpal、Jenni AI相提并论。

实测总体评价：速度是真实的，风险也是真实的

真实好用的地方：

生成速度和结构完整性是PaperFine在国内AI论文工具市场中的真实竞争优势。在”有框架、无内容”的写作初期阶段，PaperFine能够在30分钟内提供一个结构合理、段落完整的论文脚手架，这对于启动写作过程（克服空白页面的心理阻力）有真实的推动作用。作为”起草初稿然后人工大幅修改”的工作模式，有实际的效率意义。

图表、代码、三线表的自动生成减少了论文排版和内容填充中最机械性的工作量，特别对计算机和工程类学生在代码段落的格式化处理上有直接的节省效果。

导师意见智能解析功能在实际改稿场景中的使用体验普遍正面——将大量分散的批注意见系统化处理，提供可执行的修改任务清单，减少了改稿初期的无序感。

“投喂AI”功能在用户已有充分文献积累时，能够显著提升生成内容的专项相关性，相比通用AI生成的泛化内容，针对性明显更强。

需要正视的问题：

虚构引用是不可回避的核心风险，且这个风险的后果可以直接影响学术成绩和毕业。PaperFine生成的参考文献列表中虚构比例的实测数据（部分测试高于50%）意味着：在没有用”投喂AI”预加载真实文献的前提下，使用默认生成模式的每一篇文献引用都必须逐条在知网或Google Scholar进行真实性验证，才能安全使用。这个验证工作量相当可观，如果逐条验证不可省略，那么节省的时间成本会被部分抵消。

降AIGC率效果的实际表现具有不稳定性，不同检测平台对同一文本的识别结果差异较大。部分独立用户反映，使用PaperFine生成的内容在不同AIGC检测平台上的识别率差异明显，某些平台识别率高于PaperFine官方声称的控制区间。在高校开始使用多种AIGC检测工具的背景下，依赖单一工具的降AI处理存在被检测出的风险。

内容深度和学术创新性先天受限。再快速的初稿生成，都无法替代研究者自己的学术思考和原创洞察。PaperFine生成的内容是”结构合理的通用论述”，不是”有独到见解的学术分析”。对于需要通过开题答辩、中期检查和毕业答辩的研究生论文，答辩委员追问研究思路和创新点时，仅靠AI生成的内容支撑不住深度追问。

对理工科前沿细分领域的覆盖存在明显瓶颈。在深度学习、量子计算等快速演进的技术方向，AI训练数据的时效性限制导致生成内容可能引用已经过时的方法或数据，在最新进展方面的准确性需要用户自行核查。

5款同类工具横向精讲

1. Paperpal

Paperpal是由爱思唯尔（Elsevier）旗下Cactus Communications开发的AI学术写作助手，以”提升学术写作质量、帮助研究者达到期刊发表标准”为核心定位，与PaperFine在用户群体上有部分重叠，但功能重心和使用哲学截然不同。

核心优势： Paperpal的核心定价是”从已有写作出发，系统性提升质量”，而不是”从零生成论文”——这个定位差异决定了它在提升写作质量、期刊投稿语言润色方面的专业深度远超PaperFine；与MS Word、Google Docs、Overleaf的深度集成让它可以直接嵌入研究者的现有写作环境，而不需要切换到独立平台；实时语法和学术写作规范检查（针对非母语英文写作者特别优化），在语言准确性上达到专业学术编辑水准；AI Humanizer功能专注于将过于”机器化”的学术表达转化为自然流畅的学术语言；与Elsevier期刊系统的深度合作，使其在期刊投稿准备上有独家的格式化和投稿建议功能；文献查找（Research & Cite）功能链接真实文献数据库，生成的引用不存在虚构风险；Capterra评分4.7/5，是同类工具中用户满意度最高的之一。

核心劣势： 不提供从零快速生成完整论文初稿的功能，对于需要快速生成大体量内容的用户不合适；付费版起价$25/月，高于PaperFine（月度使用成本相对较高）；主要面向英文学术写作，在中文学术写作场景的功能深度远不如PaperFine；没有问卷数据分析、导师意见解析等针对国内高校场景的特色功能；不支持代码生成。

与PaperFine的关键差异选择依据： 目标是提升已有写作的质量和期刊投稿通过率（特别是英文论文）→Paperpal的专业深度不可替代；需要快速生成中文论文初稿、特别是含图表代码的理工科论文→PaperFine的生成速度优势更明显。Paperpal是”精加工工具”，PaperFine是”初稿速成工具”，最理想的工作流是用PaperFine生成初稿框架，在核查和大量修改后，用Paperpal对最终英文版本进行语言润色和期刊规范化处理。

定价参考： 免费版（含有限功能），Prime版约$25/月（年付约$20/月）。

2. Jenni AI

Jenni AI是一款以”AI实时辅助写作”为核心交互设计的学术写作助手，主打”边写边补全”的co-writing体验，而不是PaperFine式的”一次性批量生成”，代表了AI学术写作工具的另一种产品哲学。

核心优势： AI Autocomplete（实时补全）是Jenni的标志性功能——在用户写作过程中，AI持续建议下一句或下一段的内容，用户保持写作主导权，AI提供即时补充，这种人机协作模式产生的内容在学术深度和原创性上优于PaperFine的纯AI批量生成；无限PDF上传并与上传内容对话（Chat with PDF）功能成熟，引用内容来自真实上传文献，不存在虚构引用问题；引用管理功能（自动生成APA、MLA、Chicago等格式引用）与写作界面直接集成；Outliner功能帮助用户结构化整理研究思路，生成写作大纲的质量高于PaperFine的自动大纲生成；$9/月的入门定价（年付）在同类工具中价格较低；支持多语言包括中文的写作辅助。

核心劣势： 没有PaperFine的极速批量生成能力——Jenni的设计哲学是辅助用户写，不是代替用户写，对于需要快速生成大体量初稿的用户，使用体验差距巨大；没有图表、代码的自动生成功能；没有专门的降查重和降AIGC率功能；没有针对国内高校特定场景（如问卷类论文、导师意见解析）的专项功能；没有开题报告和任务书生成。

与PaperFine的关键差异选择依据： 需要以自己的思路为主导、AI辅助填充内容、保持写作的主动性和原创性→Jenni的co-writing模式是更符合学术写作本质的工具；需要快速生成完整初稿作为写作起点、接受后续大量人工修改的工作模式→PaperFine的生成速度是主要优势。Jenni AI生成的内容通常需要更多的用户投入时间，但最终产出在学术质量上普遍更可靠。

定价参考： 基础版$9/月（年付），Pro版$29/月（月付），Team版按需定价。

3. Elicit

Elicit是专注于文献综述的AI学术研究工具，以结构化信息提取和多文献比较为核心能力，与PaperFine在文献综述生成功能上有直接功能重叠，但技术路线和可靠性完全不同。

核心优势： 文献信息提取的高可信度是Elicit的核心差异——Elicit的所有提取内容来自真实索引文献，不存在虚构引用问题，准确率在独立测评中约为90%；多文献结构化比较（将多篇文献按研究设计、样本量、主要发现、局限性等标准字段排成可比较表格）是Elicit专项最强的功能，对系统性综述的实际价值不可替代；1.38亿篇文献数据库覆盖主要英文学术文献；$12/月的付费版价格合理；非营利机构Ought开发，学术可信度高，常被导师和学术机构推荐使用。

核心劣势： 完全不提供全文生成功能——Elicit只做文献发现和信息提取，不生成论文；没有写作辅助（只能提供写作素材）；不支持中文文献；没有降查重、降AIGC率等针对国内合规场景的功能；没有图表和代码生成；英文界面，对中文用户的使用门槛较高。

与PaperFine的关键差异选择依据： 需要可靠的、真实文献支撑的文献综述素材收集→Elicit是PaperFine虚构引用风险的最佳解决方案；需要快速生成完整中文论文初稿、面向国内高校提交→PaperFine的功能覆盖更贴合需求。最优组合：用Elicit收集真实文献素材并通过”投喂AI”功能上传至PaperFine，让PaperFine基于真实文献生成初稿——这个组合可以在保持生成速度的同时大幅降低虚构引用风险。

定价参考： 免费版5,000 credits/月，Plus约$10/月，Pro约$42/月（年付）。

4. Notion AI + 学术写作场景

Notion AI是Notion生产力平台内置的AI写作辅助功能，虽然不是专门的学术写作工具，但在国内研究生群体中，以Notion作为论文研究管理和写作草稿平台的用户比例正在增长，Notion AI的辅助写作功能在这个使用场景下与PaperFine有一定竞争关系。

核心优势： Notion AI与Notion的笔记、数据库、项目管理功能深度整合，可以在同一平台内完成文献笔记整理、研究思路规划和写作草稿的全流程，减少工具切换；$10/月的AI附加费（附在Notion订阅之上）对于已经使用Notion的用户是低增量成本；AI写作助手在语言润色、段落扩写、逻辑梳理上的质量稳定；国际化设计，对英文学术写作支持良好；无限制的写作长度，不存在PaperFine的页数上限问题。

核心劣势： 不是专项学术工具——没有学术引用生成、查重/AIGC率控制、论文结构化模板、图表生成等学术专项功能；不能连接学术文献数据库，没有文献推荐和检索功能；对中文学术写作的格式规范（如GB/T引用标准）没有优化；不提供论文初稿的快速批量生成；没有PaperFine针对国内高校场景的特定功能（开题报告、任务书等格式支持）。

与PaperFine的关键差异选择依据： 习惯在Notion中管理研究项目、需要AI辅助润色和扩展已有想法→Notion AI的系统整合优势明显；需要论文初稿快速生成、学术格式规范化、降重降AIGC等学术专项功能→PaperFine的学术专项深度不可替代。

定价参考： Notion Plus $10/月+AI附加费约$10/月（共约$20/月），团队版有不同定价。

5. 秘塔写作猫（学术版）

秘塔写作猫是国内老牌AI写作工具，近年来针对学术写作场景进行了专项功能扩展，提供学术论文改写、降重、AI内容改写等功能，在国内学生群体中有相当高的认知度，是PaperFine的直接国内竞品之一。

核心优势： 在国内用户中知名度和口碑积累时间更长，用户社区大，教程资源丰富；论文改写和降重功能成熟度高，经过大量实际用户验证；AI检测与改写一体化（在同一平台内完成AI内容检测和降AIGC率改写）的流程比PaperFine更闭环；中文写作风格优化针对性强，改写后的文本语言通顺度较高；提供免费的有限使用额度，降低了初次尝试的门槛；与国内主流查重平台的兼容性经过长期验证；界面操作逻辑对国内用户非常直观。

核心劣势： 全文初稿一键生成的速度和字数上限弱于PaperFine；图表和代码自动生成功能不如PaperFine完整；”投喂AI”式的定向学习功能缺失；导师意见智能解析功能不如PaperFine系统化；对问卷类论文的一站式支持弱于PaperFine；在AI写作能力的底层模型上，与接入GPT-5.2和DeepSeek-V3.2的PaperFine相比，在部分写作任务上的生成质量有差距。

与PaperFine的关键差异选择依据： 主要需求是降重和AIGC率控制（对已有草稿进行合规化处理）、在意长期口碑和社区支持→秘塔写作猫的成熟度优势明显；需要从零快速生成完整论文初稿、需要图表代码生成、或需要导师意见解析→PaperFine的全功能覆盖更完整。两者在国内学生的实际使用中经常被作为互补工具：PaperFine用于初稿生成，秘塔写作猫用于降重和AIGC率处理，形成前后端协作的工具链。

定价参考： 免费版（有限功能），VIP版约19-99元/月（按套餐不同），字数包套餐另有定价。

横向对比速览

关于使用PaperFine的实际建议

如果你决定使用PaperFine，以下几点是基于大量用户实测数据得出的操作建议，可以帮助你在获得工具效率优势的同时，把学术风险控制在可接受范围内：

第一，永远不要在不核查的情况下直接使用生成的参考文献。这是最重要也最不能省略的步骤。PaperFine生成的每一篇参考文献，在提交前都必须在知网、Google Scholar或其他可靠学术数据库中逐条验证真实性。这个步骤耗时，但省略它的代价（被导师发现虚构引用）远大于核查所花的时间。

第二，优先使用”投喂AI”功能。在开始生成前，先收集20-60篇与研究主题直接相关的真实核心文献并上传，让AI基于真实文献内容生成，而不是依赖训练知识自由发挥。这一步骤可以将虚构引用的风险从”高概率”降低到”可控水平”，是最直接有效的质量保障操作。

第三，将生成内容视为初稿框架而非最终稿。PaperFine最大的价值是提供一个有完整结构和可工作内容的起点，而不是提供一个可以直接提交的终稿。在初稿基础上进行大幅度的内容深化（特别是核心论点的论证）、文献替换（将虚构引用替换为真实引用）和个人研究观点的注入，是使用这类工具后不可省略的工作。

第四，AIGC率检测用多个平台交叉验证。不要只依赖PaperFine内置的降AIGC率效果，在提交前用达观数据、GPTZero或你所在高校实际采用的检测系统进行验证，确保在你的学校使用的具体检测工具下结果达标，而不只是在PaperFine自己的测试中达标。

第五，毕业论文的核心创新章节不要依赖AI生成。开题报告中的研究创新点说明、实验设计的独特方法论决策、以及答辩时需要深度阐释的核心论点——这些内容必须来自你自己的研究思考，而不是AI生成的通用论述。答辩委员一旦追问，AI生成的内容无法支撑真实的学术问答。