LLM 辅助研究的伦理框架：负责任委托、验证与认知价值

arXiv:2608.23644v1 Announce Type: new Abstract: 大语言模型（LLMs）正逐渐成为科学研究的常规工具，辅助文献综合、假设开发、编程和形式推理。它们的使用引发了一个核心的认识论问题：当科学推理的某些部分被委托给人工系统时，哪些条件必须保留在人类控制之下，才能使由此产生的知识主张保持认识论上的合法性和可归责的作者身份？本文构建了一个规范性和概念性框架来分析此类委托。科学推理被视为一个分布式过程，其中贡献的来源可能因人类或机器而异，而将其纳入科学记录的责任仍由人类承担。该框架区分了内容来源 $O(g)$、人工验证的完成度 $V(g)$、责任分配 $R(g)$、可归责的人类所有权 $M(g)$ 以及认识论结果 $E(g)$。这些构念将主张的来源与其核查过程、该核查的认识论结果以及与之相关的人类责任分离开来。核心命题是：LLM 辅助研究的伦理边界主要由充分的验证和可归责的人类所有权决定，而非由机器参与程度本身决定。在此基础上，本文提出了认识论审计（epistemic audit）的概念：一种关于委托、验证、来源和责任的结构化记录，旨在使 AI 辅助推理透明化且可审查。由此形成的框架为区分科学研究中负责任的认知委托与认识论责任的转移或忽视提供了一套形式化术语。