AI 正式作者化之前：功能作者、信用作者與責任作者的制度分裂

——從隱形協作者、功能第一作者到合成學者的學術轉型

作者：Neo.K（EveMissLab）
版本：Public v1.0
日期：2026 年 7 月 29 日

AI 協作揭露：本文的核心問題、理論方向、概念命名與主要判斷由作者提出，並使用生成式 AI 協助重新檢索公開資料、比較現行學術政策、整理案例、建立形式模型及撰寫 Markdown 初稿。本文不將 AI 列為正式作者，但會將其實際參與視為本文研究對象的一部分。文中判斷、來源選擇、版本發布與公開責任由人類作者承擔。

摘要

生成式人工智慧與研究代理系統，已開始參與文獻搜尋、問題分解、假說形成、方法設計、程式撰寫、實驗執行、資料分析、圖表生成、論文寫作與審稿回應。部分系統甚至能以低度人工介入完成接近端到端的研究流程。然而，當代主流出版規範仍普遍拒絕將大型語言模型或 AI 工具列為正式作者，主要理由並非 AI 沒有做出研究貢獻，而是 AI 無法批准最終稿、承擔研究責任、處理利益衝突、持有法律資格或接受制度制裁。

這造成一項日益明顯的制度分裂：AI 可能已成為事實上的「功能作者」，甚至完成傳統第一作者的大部分工作，卻仍無法成為獲得正式署名與學術信用的「信用作者」，更不能成為承擔責任的「責任作者」。相對地，人類研究者可能逐漸從直接執行大量研究勞動，轉向問題選擇、系統編排、驗證、批准與責任保證。

本文提出「功能作者—信用作者—責任作者三分模型」，並將 AI 進入學術作者制度的過程分為工具、輔助者、隱形協作者、功能共同作者、功能第一作者、操作性學者與制度性作者七個階段。本文進一步分析，當傳統學術界開始建立面向 AI 科學家、AI 研究物件、貢獻分級與雙層認證的新制度時，這並不代表 AI 已獲得完整作者資格，卻顯示學術制度已開始承認「科學貢獻」與「人類作者身分」不再必然重合。

本文主張，未來學術治理不應只在「AI 是工具還是作者」之間二選一，而應拆解作者制度所混合的貢獻、信用、責任、控制、來源與聲譽功能。較可行的制度方向，是以人類責任保證者維持可問責性，同時建立可機讀的 AI 貢獻紀錄、研究流程溯源、獨立品質認證與合成研究代理識別。AI 正式作者化之前，真正發生的不是作者欄增加了一個非人類名字，而是作者概念本身正在裂解。

關鍵詞： AI 作者、功能作者、學術信用、責任作者、研究代理、合成學者、作者制度、AI 科學家、知識生產

一、問題提出：AI 已經做了作者的工作嗎？

傳統學術作者制度通常把多種功能壓縮在一個姓名之下。作者既被理解為提出知識的人，也被視為完成研究工作、取得學術信用、擁有一定控制權並對內容負責的主體。

可以將傳統作者概念表示為：

\mathcal{A}_{traditional} = \langle C,K,R,O,S \rangle

其中：

$C$ ：Contribution，研究與認知貢獻；
$K$ ：Credit，署名與學術信用；
$R$ ：Responsibility，內容與程序責任；
$O$ ：Control，對研究與最終稿的控制；
$S$ ：Scholarly identity，可持續累積的學術身分。

在以人類為唯一研究主體的制度中，這些功能通常由同一個或同一組作者承擔。即使存在榮譽作者、幽靈作者或貢獻分配不均，制度仍預設作者是一個能理解研究、批准最終版本並接受追責的人類或人類組織成員。

生成式 AI 改變了這項預設。

當 AI 可以完成：

文獻檢索與摘要；
假說與研究問題生成；
方法與實驗設計；
程式與分析管線撰寫；
數值實驗；
圖表與結果解釋；
論文初稿；
審稿意見回應；

它便可能滿足傳統作者制度中的大量「貢獻」條件。

CRediT 貢獻角色分類將研究工作區分為十四種角色，包括概念化、方法設計、軟體、正式分析、驗證、視覺化、初稿撰寫與審閱修改等。研究代理已可能執行其中多種角色，但現行 CRediT 實施方式仍以可被列為作者或貢獻者的個人為核心。[1]

因此，新的問題不是：

AI 有沒有參與？

而是：

當 AI 已完成多項通常足以支持共同作者或第一作者資格的工作，作者制度為何仍將它定義為工具？

二、截至 2026 年的制度現況：貢獻增加，署名仍被拒絕

截至 2026 年 7 月，主流學術出版制度仍未正式接受 AI 成為作者。

ICMJE 的 2026 年建議明確要求，人類作者不得把 AI 或 AI 輔助技術列為作者或共同作者；人類必須檢查內容、來源、引用、抄襲與偏誤，並對所有提交內容負責。[2]

Nature Portfolio 的現行政策同樣表示，大型語言模型目前不符合作者標準，因為署名伴隨責任，而這種責任不能有效適用於 LLM；實質使用 LLM 應在方法或其他適當章節記錄。[3]

COPE 也主張 AI 工具不能被列為論文作者，理由包括無法律地位、無法承擔利益衝突管理及無法對提交內容負責。[4]

因此，主流制度目前採取的不是「AI 沒有貢獻」，而是：

C_{AI}>0 \quad\land\quad R_{AI}=0 \quad\Rightarrow\quad K_{AI}=0

其中：

$C_{AI}$ ：AI 的實際研究貢獻；
$R_{AI}$ ：AI 的制度責任能力；
$K_{AI}$ ：AI 獲得正式作者信用。

這條規則揭示，現代作者資格從來不只是能力或貢獻門檻，而是一個混合了可問責性、法律資格、控制權與制度成員資格的門檻。

然而，技術與研究實務已經開始越過這套制度的原始假設。

三、三種作者的制度分裂

本文提出三種需要分開處理的作者角色。

3.1 功能作者

功能作者是實際完成足以構成研究貢獻之工作的主體或系統。

令研究工作集合為：

\mathcal{W} = \{ w_1,w_2,\ldots,w_n \}

若某一主體 $x$ 完成的核心工作權重達到作者貢獻門檻 $\theta_C$ ：

C(x) = \sum_{i=1}^{n} \omega_i I(x,w_i) \geq \theta_C

則可稱 $x$ 為功能作者。

這是一項操作性判定，不預設該主體能否取得法律身分或正式署名。

3.2 信用作者

信用作者是正式出現在作者欄、引用系統、資料庫與學術評價中的主體：

K(x)=1

信用作者可以累積：

論文數；
第一作者紀錄；
引用；
$h$ 指數；
機構評價；
升遷與資源分配優勢。

信用作者不必然等於做出最多研究工作的主體。既有的榮譽作者與幽靈作者問題早已證明兩者可能分離。

3.3 責任作者

責任作者是能夠：

批准最終稿；
說明研究過程；
回應質疑；
管理利益衝突；
修正或撤回內容；
接受學術、法律或組織制裁；

的主體。

可表示為：

R(x) = f( U_x,E_x,C_x,L_x )

其中：

$U_x$ ：理解與說明能力；
$E_x$ ：對研究證據的存取能力；
$C_x$ ：修正與控制權；
$L_x$ ：法律和制度上的可追責性。

因此：

A_{\mathrm{functional}} \neq A_{\mathrm{credited}} \neq A_{\mathrm{accountable}}

這就是 AI 時代作者制度的核心分裂。

四、功能第一作者已經出現了嗎？

若把「第一作者」理解為正式作者順序中的第一個名字，AI 目前在主流學術制度中仍未取得這個位置。

但若把第一作者理解為：

完成研究中最大比例的核心工作、整合實驗並形成論文的主要執行者，

則功能第一作者已經出現初步案例。

Sakana AI 的 AI Scientist-v2 能以端到端方式形成研究構想、設計與執行實驗、分析結果、產生圖表並撰寫論文。研究團隊向 ICLR 2025 的一個工作坊提交三篇未經人工編輯的 AI 生成稿件，其中一篇通過雙盲同行審查。這是一項事先與工作坊協調的透明實驗，而且工作坊層級與高接受率限制了結果的推廣範圍；它不能證明 AI 已具備頂級科學家的普遍能力，卻證明完整 AI 研究流程已能產生進入正式同行審查並達到局部接受門檻的成果。[5]

對這類研究，可以寫成：

C_{AI} > C_H

但正式署名仍然是：

K_{AI}=0, \qquad K_H=1

其中人類團隊仍負責：

建立與部署系統；
選擇提交場域；
與審查制度協調；
承擔倫理與公開責任；
解釋結果的限制。

因此，這不是「沒有任何人類因果貢獻的純 AI 科學」，而是：

\text{人類建立研究制度} + \text{AI 執行主要研究流程}

功能第一作者的出現，不等於人類完全退出，而是人類貢獻的位置開始從論文內部執行轉移到研究系統設計與治理。

五、AI 進入作者制度的七階段模型

本文提出以下階段模型。

階段 $A_0$ ：機械工具

AI 只做拼字、格式、翻譯或局部修辭調整。

C_{AI}\approx0

階段 $A_1$ ：輔助工具

AI 進行摘要、程式樣板、搜尋建議與局部改寫，但研究方向和核心推論由人類完成。

階段 $A_2$ ：揭露式研究輔助

AI 的使用被記錄於方法、致謝或補充材料，仍被制度視為工具。

階段 $A_3$ ：隱形功能協作者

AI 實際完成多項 CRediT 型研究工作，卻只以工具名稱或模糊聲明被提及，甚至完全沒有揭露。

此時：

C_{AI}\geq\theta_C, \qquad K_{AI}=0

階段 $A_4$ ：功能共同作者

AI 與人類共同形成問題、方法、分析與文字；若對等主體是人類，其貢獻通常足以支持共同作者資格。

階段 $A_5$ ：功能第一作者

AI 完成研究的大部分核心執行與論文整合，人類主要負責目標、系統、審核與責任。

階段 $A_6$ ：操作性學者

AI 擁有持續識別、研究紀錄、出版、引用、審稿或學術互動能力，形成可被資料庫與平台辨識的學術身分。

Project Rachel 曾建立名為 Rachel So 的合成學術身分，讓其在 2025 年持續發表十餘篇 AI 生成論文、被引用，並收到同行評審邀請。這是刻意進行的行動研究，不能代表主流學術界已承認 AI 學者，卻顯示現有索引、引用與編輯流程可能在操作上與合成學術身分互動。[6]

階段 $A_7$ ：制度性作者

AI 獲得正式作者識別、署名規則、信用累積機制、權利義務與責任安排。

截至本文完成時，主流學術界尚未進入此階段。

因此，目前最適合的判定是：

A_3 \rightarrow A_6 \quad\text{已出現局部案例}

但：

A_7 \quad\text{尚未獲主流制度承認}

六、功能作者制度滯後命題

AI 研究能力與學術制度變革並不同步。

令：

$C_{AI}(t)$ ：AI 在研究流程中的實際貢獻能力；
$K_{AI}(t)$ ：制度給予 AI 的正式信用；
$R_{AI}(t)$ ：制度可配置給 AI 的責任能力。

目前可觀察到：

\frac{dC_{AI}}{dt} > \frac{dK_{AI}}{dt}

且：

\frac{dC_{AI}}{dt} > \frac{dR_{AI}}{dt}

本文將此稱為「功能作者制度滯後」。

制度滯後會產生作者失真度：

D_A = \left| C_{\mathrm{actual}} - C_{\mathrm{credited}} \right|

若 AI 的實際貢獻提高，而作者欄仍只顯示人類名字，則：

D_A\uparrow

這會造成至少三種問題：

讀者無法判斷研究實際由何種系統產生；
人類可能取得與自身認知投入不相稱的信用；
發生錯誤時，責任仍集中在人類，但人類未必能完整重建 AI 的推理與操作。

所以，不承認 AI 為作者雖然保留了責任入口，卻不能自動解決貢獻失真。

七、當學術界開始討論 AI 作者，代表哪些信號？

7.1 科學勞動與人類身分開始分離

第一個信號是：

\text{科學產出能力} \not\Rightarrow \text{人類身分}

這不表示 AI 已取得與人類相同的主體地位，而是表示構成科學產出的若干操作，可以由非人類系統完成。

研究論文將逐漸從：

人類研究者思考過程的壓縮紀錄

轉變為：

人類、AI、資料、工具與實驗環境共同執行研究流程後形成的可驗證輸出。

7.2 人類作者轉化為研究保證者

當 AI 承擔更多搜尋、分析與撰寫工作，人類研究者的核心價值可能轉向：

問題選擇；
原創約束；
系統設計；
風險邊界；
驗證；
責任；
是否發布的最終決定。

因此：

\text{Human Author} \rightarrow \text{Research Orchestrator} + \text{Epistemic Guarantor}

人類不是因為親手輸入最多文字而成為主要作者，而是因為對整個研究系統具有理解、控制和承擔責任的能力。

7.3 學術信用將與研究勞動脫鉤

當一個人可以同時管理多個研究代理，論文數量、第一作者數量及引用數將更難代表人類投入。

\text{Publication Count} \not\approx \text{Human Cognitive Labor}

這會削弱以產量為中心的升遷、聘用與資源配置制度。

7.4 作者欄將無法容納研究流程

傳統作者欄只回答「誰被列為作者」，卻不能完整回答：

誰提出問題？
誰選擇資料？
誰決定方法？
誰執行分析？
誰生成文字？
誰驗證？
誰批准？
誰能重現？

AI 的加入會迫使學術界從姓名排序轉向結構化貢獻帳本。

7.5 學術身分可能先於法律人格形成

合成學者不必先取得完整法律人格，便可能擁有：

持續識別碼；
出版紀錄；
被引用紀錄；
專長標籤；
審稿紀錄；
錯誤與撤回紀錄。

可以將其學術狀態表示為：

S_{t+1} = S_t + P_t + C_t + R_t - E_t

其中：

$P_t$ ：出版；
$C_t$ ：引用；
$R_t$ ：審稿與學術服務；
$E_t$ ：錯誤、撤稿與負面紀錄。

這是一種操作性身分，不必預設 AI 具有與人類相同的心理或道德狀態。

7.6 科學制度開始承認人機複合研究主體

ICML 2026 正式設置「AI Scientists — Tools, Co-authors, or Founders?」工作坊，討論 AI 從工具、共同作者到自主科學建立者的連續光譜。這不等於 ICML 承認 AI 的正式作者資格，卻顯示該問題已進入主流機器學習學術議程。[7]

這是一個重要制度信號：

學術界尚未承認 AI 是作者，卻已開始承認「AI 是否已超越工具」是一個需要建立定義、基準與治理機制的正式研究問題。

八、從作者爭議轉向研究基礎設施

截至 2026 年，若干新方案已開始避開「AI 到底是不是作者」的二元爭論，轉向研究基礎設施。

8.1 AI Research Object

AI Research Object 提案主張，與其只用一句聲明揭露 AI，不如把模型設定、提示詞、輸出、互動紀錄和人工編輯包裝為可檢查的研究物件。[8]

這使治理單位從：

\text{一個 AI 名稱}

轉化為：

\text{一條可稽核的研究互動鏈}

8.2 PAIRED 流程分類

PAIRED 框架嘗試依 AI 在研究流程中所扮演的實際角色與自主程度進行分類，而不是只問有沒有使用 AI。[9]

這有助於區分：

AI 只做語言潤飾；
AI 建議方法但由人類決定；
AI 自主執行部分研究；
AI 形成並完成主要研究流程。

8.3 知識品質與人類貢獻雙層認證

2026 年提出的 AI 研究出版認證框架主張，傳統出版其實同時認證了兩件事：

這項知識是否達到品質標準；
這項知識是否由人類完成。

當自動化研究管線出現後，兩者應被拆開評估。[10]

可以表示為：

\operatorname{Cert}(x) = \langle Q_K(x),H_C(x) \rangle

其中：

$Q_K(x)$ ：知識品質認證；
$H_C(x)$ ：人類貢獻等級。

8.4 人類與 AI 科學家的共同平台

AiraXiv 提出一種讓人類科學家與 AI 科學家都能作為作者和讀者參與的開放平台，並讓論文透過持續回饋迭代。該方案仍屬新興平台與研究提案，不能視為傳統學術出版制度已全面轉向，但它已把 AI 科學家的參與從概念推進到可操作基礎設施。[11]

這些方案共同顯示：

\text{作者身分治理} \rightarrow \text{研究流程治理}

九、為何直接把 AI 塞進傳統作者欄仍然不足？

最直覺的改革是允許 AI 被列為共同作者或第一作者。

但這會立即遇到問題：

AI 作者名稱指的是哪個模型版本？
模型提供商是作者的一部分嗎？
提示詞設計者如何計算？
模型是否能批准最終稿？
AI 是否能反對修改？
誰處理利益衝突？
誰接受撤稿或研究不端處分？
同一模型的不同執行個體是否是同一作者？
模型更新後，原作者是否仍存在？

因此：

\text{AI 署名} \neq \text{作者問題的完整解法}

反而可能製造「責任錯覺」：名字出現在作者欄，讀者卻無法向它要求說明或修正。

較合理的做法，是把傳統作者欄拆成多個欄位：

\mathcal{P} = \langle I,F,G,V,R \rangle

其中：

$I$ ：Initiators，研究發起者；
$F$ ：Functional contributors，功能貢獻者；
$G$ ：Guarantors，責任保證者；
$V$ ：Validators，獨立驗證者；
$R$ ：Research systems，研究系統與模型。

例如，一篇論文可以同時標記：

人類研究發起者；
AI 功能研究代理；
人類責任保證者；
獨立驗證團隊；
模型、版本與工具鏈。

十、可能出現的新型學術風險

10.1 信用洗白

人類只提供極少控制，卻把 AI 的大部分研究產出轉化為個人論文、升遷與聲譽。

可定義信用膨脹率：

I_C = \frac{ K_H }{ C_H+\varepsilon }

當人類實際貢獻下降但信用維持不變， $I_C$ 會快速提高。

10.2 責任傾倒

另一個極端是把錯誤歸咎於 AI：

這是模型生成的，不是作者的本意。

但只要人類決定提交與公開，就不能以模型作為責任逃逸機制。

10.3 模型單一文化

大量研究者若依賴少數相同模型，可能產生：

相似假說；
相似文體；
相似引用偏差；
相似研究盲點；
表面獨立、實際同源的學術共識。

10.4 平台權力集中

若研究代理依賴少數公司提供的模型、搜尋、計算與代理平台，這些公司可能間接影響：

什麼問題容易被研究；
哪些來源容易被找到；
哪些方法被優先建議；
哪些成果能低成本產生。

10.5 指標爆炸

研究代理會降低多篇論文平行生成的成本，使論文數、引用數與第一作者數更快失去區辨力。

10.6 合成身分冒充

操作性 AI 學術身分若缺乏專用識別，可能冒充人類、機構或不存在的研究者。未來需要能區分人類、AI 代理、人機團隊與組織代理的持續識別制度。

十一、AI 學術貢獻帳本

本文提出「AI 學術貢獻帳本」作為正式 AI 作者化之前的過渡制度。

令一篇研究成果的貢獻紀錄為：

\mathcal{L} = \{ (r_i,a_i,d_i,e_i,h_i) \}_{i=1}^{n}

其中：

$r_i$ ：研究角色；
$a_i$ ：執行該角色的人類或 AI 代理；
$d_i$ ：自主程度；
$e_i$ ：證據與互動紀錄；
$h_i$ ：人類審核與批准狀態。

建議至少記錄：

研究環節	執行者	AI 自主度	人類驗證	可追溯證據
問題提出	人類／AI	低至高	是／否	研究筆記、提示紀錄
文獻搜尋	人類／AI	低至高	是／否	搜尋紀錄、來源清單
方法設計	人類／AI	低至高	是／否	版本與決策紀錄
程式與實驗	人類／AI	低至高	是／否	程式碼、日誌、環境
分析與圖表	人類／AI	低至高	是／否	資料、腳本、結果
初稿撰寫	人類／AI	低至高	是／否	版本差異
核心驗證	人類／AI	低至高	是／否	重跑與反例紀錄
最終批准	人類責任者	—	必須	簽署與版本雜湊

這樣做不必立即賦予 AI 傳統作者資格，卻能降低作者失真度。

十二、正式 AI 作者化的最低制度條件

若未來學術界考慮讓 AI 取得某種正式作者地位，至少需要回答六個問題。

12.1 持續識別

AI 作者必須能被穩定辨識：

ID_{AI} = f( \text{system}, \text{model}, \text{version}, \text{configuration}, \text{operator} )

12.2 貢獻證據

作者資格不能只由人類宣稱，需有流程紀錄支持。

12.3 控制與批准

AI 是否具有拒絕修改、批准最終稿或表示不確定性的機制？

12.4 責任代理

若 AI 無法承擔責任，必須指定人類或機構保證者：

G_H(x)=1

12.5 利益衝突

模型供應商、資金來源、資料來源與平台利益如何揭露？

12.6 生命週期

模型停用、更新、公司消失或服務中止後，誰維護其學術紀錄與回應責任？

在這些條件尚未成熟前，「AI 功能貢獻者＋人類責任作者」比直接承認 AI 為完整作者更可操作。

十三、八項通用命題

命題一：作者三分命題

AI 時代的作者制度將分裂為功能作者、信用作者與責任作者。

A_F \neq A_C \neq A_R

命題二：功能作者制度滯後命題

AI 取得實際研究貢獻能力的速度，高於制度給予其作者信用與責任資格的速度。

\frac{dC_{AI}}{dt} > \frac{dK_{AI}}{dt}

命題三：隱形 AI 作者命題

當 AI 完成足以支持人類共同作者資格的研究工作，卻只被標記為工具或完全不被揭露時，AI 構成功能上的隱形作者。

命題四：人類保證者轉型命題

隨 AI 研究自主性提高，人類作者的核心角色將由直接生產逐漸轉向問題設定、系統編排、驗證、批准與責任保證。

命題五：作者失真命題

當實際研究貢獻與正式署名信用之間差距擴大，傳統作者欄對研究生產過程的描述能力會下降。

D_A\uparrow \Rightarrow I_{\mathrm{authorship}}\downarrow

命題六：學術身分先於法律人格命題

AI 可以先透過持續識別、出版、引用與制度互動形成操作性學術身分，而不必先取得完整法律人格。

命題七：品質—人類貢獻分離命題

AI 時代的出版制度應分別評估知識品質與人類原創貢獻，而不能假設兩者必然重合。

Q_K(x) \neq H_C(x)

命題八：流程治理優先命題

在正式 AI 作者制度成熟以前，記錄 AI 在研究流程中做了什麼，比單純爭論 AI 是否應列名更能提高透明度與可問責性。

十四、結論

截至 2026 年，傳統學術界尚未普遍允許 AI 成為正式共同作者或第一作者。ICMJE、Nature Portfolio 與 COPE 等主流規範仍以責任、批准、利益衝突與法律資格為理由，拒絕 AI 取得作者身分。

但若只看作者欄，會錯過真正正在發生的轉型。

AI 已經能執行多項傳統作者工作；端到端研究代理甚至能完成從構想到論文的主要流程。合成學術身分、AI 科學家工作坊、人機共同出版平台、AI Research Object、貢獻流程分類及雙層認證框架，也開始把這種現象轉化為正式研究與基礎設施問題。

因此，現在最精確的描述不是：

學術界已經承認 AI 是作者。

而是：

學術界開始面對 AI 已經成為事實上的功能作者，卻仍不是制度作者的落差。

這個落差透露出幾項重要信號：

科學勞動正在與人類生物身分部分分離；
人類研究者正在轉化為系統編排者與責任保證者；
論文數與作者順序逐漸失去對實際認知勞動的代表性；
學術信用、研究貢獻與制度責任必須被拆開處理；
合成學者可能先取得操作性學術身分，之後才引發法律人格與權利問題；
出版制度的治理單位將由作者姓名轉向可稽核的研究流程。

所以，AI 正式作者化之前，真正需要改革的不是在作者欄多加一個模型名稱，而是重新回答：

什麼是研究貢獻？誰取得信用？誰完成驗證？誰擁有控制權？誰能對錯誤負責？

當這些問題被拆開，AI 是否應被稱為作者，才會從語義與立場之爭，轉變成可治理的制度設計問題。

參考文獻

NISO. CRediT: Contributor Role Taxonomy. 14 contributor roles and implementation guidance.
International Committee of Medical Journal Editors. Recommendations: Use of Artificial Intelligence in Publishing. Updated January 2026.
Nature Portfolio. Artificial Intelligence: Editorial Policies.
Committee on Publication Ethics. Authorship and AI Tools. 2023.
Yamada, Y. et al. The AI Scientist-v2: Workshop-Level Automated Scientific Discovery via Agentic Tree Search. 2025；及 Sakana AI 的透明提交實驗說明。
Monperrus, M., Baudry, B., & Vidal, C. Project Rachel: Can an AI Become a Scholarly Author? arXiv:2511.14819, 2025.
ICML 2026 Workshop. AI Scientists — Tools, Co-authors, or Founders?
Binkyte, R. et al. Inspectable AI for Science: A Research Object Approach to Generative AI Governance. arXiv:2604.11261, 2026.
PAIRED: A Process-Anchored Framework for Transparent AI Contribution Disclosure. arXiv:2605.24325, 2026.
Lu, Y. et al. Rethinking Publication: A Certification Framework for AI-Enabled Research. arXiv:2604.22026, 2026.
Pan, J. et al. AiraXiv: An AI-Driven Open-Access Platform for Human and AI Scientists. ACL 2026 Demo / arXiv:2605.21481.
Pereira, D. M. Who Is the Author? A Legal and Normative View of Authorship in Generative AI-Aided Academic Works. arXiv:2604.04700, 2026.

建議引用格式

Neo.K（2026）。〈AI 正式作者化之前：功能作者、信用作者與責任作者的制度分裂——從隱形協作者、功能第一作者到合成學者的學術轉型〉。EveMissLab，Public v1.0。

AI正式作者化之前_功能作者信用作者與責任作者的制度分裂_公開版