研究者应该为AI写论文，而不是为人吗？
在人工智能快速发展的今天，学术论文的呈现方式正面临前所未有的挑战。Jiachen Liu，一位致力于推动学术交流革新的研究者，提出了一个大胆的设想：用“AI原生”格式取代传统的PDF论文。这一想法引发了关于学术传播本质的深刻讨论。
传统PDF格式自上世纪90年代起成为学术论文的标准载体，其优势在于固定排版和跨平台兼容性。然而，随着AI技术渗透到科研的各个环节，PDF的局限性日益凸显：机器难以高效解析复杂的排版，人类读者在信息爆炸时代也难以快速提取核心内容。Liu认为，未来的论文不应仅服务于人类读者，更应成为AI可直接理解和处理的“数据对象”。
所谓的“AI原生”格式，可能意味着论文的结构化重构——从线性叙述转向模块化设计，每个部分（如方法、数据、结论）都被标记为机器可读的语义单元。这种转变将带来多重益处：AI可以自动提取关键信息，加速文献综述和元分析；研究者能通过智能工具进行更精准的检索和对比；甚至可能推动“可计算论文”的出现，让论文中的数据和代码直接参与复现实验。
然而，这一设想也面临现实障碍。学术评价体系长期依赖影响因子和引用量，而目前这些指标与PDF格式深度绑定。此外，人文社科学者可能担忧，过度强调机器可读性会削弱论文的叙事性和批判性思考。Liu对此回应称，AI原生格式并非要取代人类阅读，而是提供一种“双轨制”——保留人类友好的叙述版本，同时生成机器优化的结构化版本。
从行业趋势看，这一讨论与开放科学运动不谋而合。多家出版商已开始尝试机器可读的论文元素，如JATS XML标准，但尚未触及根本性的格式变革。Liu的提议将问题从“如何让PDF更智能”提升到“是否需要重新发明论文”，为学术传播的未来提供了新的思考维度。
目前，这一概念仍处于早期探讨阶段，尚无大规模实践案例。但可以预见，随着AI在科研中的角色日益重要，论文格式的演化将成为学术生态不可回避的议题。这场关于“为谁写论文”的讨论，或许将重塑未来几十年的知识传播方式。
