Anti-Autoresearch

一键给自动科研论文做取证，揪出编造与不自洽

Anti-Autoresearch 是一个面向 AI 自动生成科研论文的审稿侧完整性取证工具。它针对 autoresearch（自动科研）流水线产出的论文，从审稿人视角做自洽性与伪造检测，给出确定性判定，而非依赖黑盒 AI 文本分类器。核心能力是内置 61 个信号：46 个完整性作弊模式（按 A–H 家族组织，直接参与判定）、13 个零权重 AI 写作风格印象（AIS，仅作参考不影响结论）、2 个提示性建议信号。它强调可解释、可复现的确定性裁决，帮助审稿人、会议程序委员会、期刊编辑快速识别自动生成论文中的数据编造、逻辑不自洽、引用造假等风险，是 ARIS 项目的对偶工具。

开源 free 评测安全

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 156

维护状态活跃

是否开源是

定价模式 free

项目数据

分类评测安全

开发团队wanshuiyin

所属国家

官网地址

GitHubhttps://github.com/wanshuiyin/Anti-Autoresearch

定价模式free

价格说明开源免费，无付费计划

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型ai-generated-content,ai-research,ai-scientist,aris,autoresearch,claude,claude-code,claude-code-skills,codex,forensics,gpt,llm,llm-agents,machine-learning,mcp,ml-research,openai,paper-review,peer-review,research-integrity

GitHub 星标★ 156

30天Star增速

HF 下载量

上线时间2026-06-26 00:00:00

最近更新2026-09-28 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-29

浏览次数0

使用教程

核心亮点

61 个信号分家族组织，46 个直接参与判定，规则透明可解释，不是黑盒 AI 打分
输出确定性裁决，同一输入结果可复现，适合审稿流程留痕与复核
明确区分判定信号与零权重风格印象，避免把 AI 文风误判为学术不端

不足之处

项目早期，星标仅 156，实际审稿场景验证案例有限
信号规则依赖人工维护，面对新型作弊模式可能覆盖不足

适用场景

会议或期刊审稿人初筛 AI 自动生成论文
程序委员会批量排查投稿中的编造与不自洽问题
研究者自查自己用 autoresearch 工具产出的论文完整性

替代项目

GPTZero、Turnitin、ARIS

项目介绍

Anti-Autoresearch 是评测安全领域的开源项目，由 wanshuiyin 开发，是 2026 年新上线的项目。

它收录于评测安全分类，该分类目前共有 476 个项目，GitHub 星标数为 156。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-28。开源免费，无付费计划。

它主要面向的使用场景是：会议或期刊审稿人初筛AI自动生成论文。同类可对比的替代方案包括 GPTZero、Turnitin、ARIS。

上一篇：superbenchmark

下一篇：Offensive-Security-AI-Models