arXiv创始人Paul Ginsparg参与研究AI生成的“水论文”，测试了13个大语言模型的造假能力。结果显示，Claude模型最为守规，而Grok和ChatGPT更易生成虚假内容。论文数量激增导致审稿压力上升，影响研究质量，可能引发低质量循环，损害科学可信度。