检测准确性提升：目前有一些软件可以检测论文的 AI 生成率。如果用 AI 来降低论文的 AI 率，这些反作弊工具的开发者会不断改进算法来应对这种新情况。这就像是一场 “军备竞赛”，促使检测技术不断进步。例如，开发出能够更精准识别经过 AI “伪装” 处理后的文本特征的工具，它们可能会关注句子结构的微小变化、词汇使用频率的异常波动等更复杂的文本模式。
学术诚信维护难度增加：这种做法可能会让学术不端行为更加隐蔽。有些不道德的作者可能会利用 AI 来掩盖 AI 生成的痕迹，从而更难被发现。比如，他们可能会让 AI 对生成的内容进行润色，使其看起来像是自己撰写的，增加了学校、学术期刊等机构维护学术诚信的难度。
从论文质量角度看
内容质量可能下降：如果只是简单地用 AI 来降低 AI 率，比如通过让 AI 打乱句子顺序、替换部分词汇等方式，论文的内容质量可能会下降。因为 AI 可能无法真正理解内容的核心逻辑和学术价值，只是机械地进行表面的修改。例如，在一篇科学研究论文中，AI 可能会替换掉关键的专业术语，导致论文的科学性和准确性受到影响。
风格不统一：不同的 AI 模型有不同的语言风格，当用 AI 来降低 AI 率时，可能会导致论文风格不统一。例如，最初的部分是作者自己撰写的，具有个人风格，而后经过 AI 修改的部分可能会带有 AI 模型特有的较为生硬或者通用的风格，影响论文整体的连贯性和可读性。
从学术进步角度看
阻碍真正的学术思考：这一做法不利于学术的真正进步。论文应该是作者研究成果和思考过程的体现。如果用 AI 来降低 AI 率成为一种普遍现象，作者就会忽视自身学术能力的培养，如文献综述能力、实验设计能力、数据分析能力等。例如，在社会学研究中，研究者需要亲自进行田野调查、收集数据，然后进行深入的分析和思考来撰写论文，而不是依靠 AI 来掩盖 AI 生成的内容。
影响学术创新：学术创新需要作者深入探索未知领域，提出新的观点和方法。如果过度依赖 AI 来操纵论文的 AI 率，会减少作者自己的创新动力。因为他们可能会觉得可以通过技术手段来规避对创新的要求，而不是真正投入到创造性的研究活动中。
