一篇科研论文中出现几个奇怪的英文表达，可能只是作者语言能力有限；如果整篇论文不断用生硬、荒谬的词语替换公认的专业术语，问题就不再只是英语写得不好。
2026年10月9日，据Retraction Watch 报道，IOP Publishing 撤回了近百篇会议论文。这些论文出现了一种被称为 Tortured Phrases（扭曲短语、畸形表达） 的语言异常。部分作者似乎将常见的学术术语替换成不自然、甚至令人费解的表达，试图绕过文本相似性检测。
这类问题值得科研人员警惕。它涉及的不只是英文写作质量，还包括论文查重检测、论文原创性以及学术出版流程中的诚信问题。
需要明确的是，奇怪的英文表达本身并不能直接证明作者存在学术不端。判断一篇论文是否涉及不当行为，还需要考察文本来源、替换模式、研究内容和作者的实际行为。不过，当大量异常表达反复出现，而且能够追溯到已有的标准术语或相似文献时，就有必要进一步调查。
从近百篇撤稿论文说起：那些令人费解的学术表达
根据 Retraction Watch 的报道，此次 IOP Publishing 的调查涉及三个会议论文集。《Journal of Physics: Conference Series》有29篇论文被撤回，《Conference Series: Earth and Environmental Science》有8篇，《Conference Series: Materials Science and Engineering》有43篇。报道列出的这三组数字合计为80篇。
出版社在撤稿声明中指出，相关论文存在大量难以理解的表达，以至于文章整体上几乎失去了可读性。调查过程中，出版方参考了 Problematic Paper Screener 等工具所标记的问题。
报道中的例子尤其值得注意。某篇论文用“savvy lattices”和“shrewd homes”替代“smart grids”和“smart homes”；另一篇论文将头痛（headache）写成“cerebral torment”，将舰队管理（fleet management）写成“armada the board”。
这些替换并非正常的学术润色。
“Smart grid”是智能电网领域的常见术语，“smart home”是智能家居领域的标准表达。把它们拆解、转换成其他词语，即使偶尔能够猜出原意，也会破坏术语的准确性。“Cerebral torment”听起来像是对头部痛苦的一种文学化描述，却不是医学论文中“头痛”的规范表达。
更关键的是，这些替换呈现出一种共同特征：原本固定、清晰的专业术语，被改写成字面上似乎相关、实际却不符合学科惯例的表达。
这正是 Tortured Phrases 所指向的典型现象。
Retraction Watch 还指出，这类问题并非生成式人工智能出现之后才产生。早在 AI 写作工具普及之前，研究者就已经发现，有些论文会通过同义词替换、自动改写或其他文本转换手段，制造出看似不同、实则语义混乱的句子。
Tortured Phrases 究竟是什么？
Tortured Phrases 通常指科研论文中那些取代既有术语或固定表达的异常短语。这些表达往往显得生硬、不合逻辑，甚至无法准确传递原文含义。
相关研究已经对这种现象进行了系统讨论。2022年发表在 Publishing Research 上的一篇论文指出，Tortured Phrases 可能反映了作者试图规避文本相似性检测的行为，也可能暴露出论文编辑、同行评审和出版质量控制中的漏洞。
这类表达可以出现在不同学科中。例如，计算机科学中的“artificial intelligence”（人工智能），可能被改写成“counterfeit consciousness”（伪造的意识）；材料科学中的“thermal stress”（热应力），可能被替换成“warm anxiety”（温暖的焦虑）。这些例子分别展示了不自然的概念替换和错误的术语转换。
需要注意，上述英文表达用于说明这种语言异常的机制，并不意味着每个例子都来自此次撤稿事件。
相关研究：Tortured Phrases in Scientific Literature，2022年学术文献处理研讨会论文
理解这种现象，关键在于区分两个看起来相似、实际却完全不同的行为：正常的学术改写，以及为了掩盖文本来源而进行的刻意替换。
正常改写的目标是让研究内容更准确、更清楚；不当替换的目标可能是让文字看起来与已有文献不一样，即使这样做会破坏专业术语、句子逻辑和科学含义。
如果作者将他人的研究观点、论证结构或文字表达据为己有，仅仅把部分单词换成同义词，并不能让这些内容成为自己的原创成果。
同义词替换如何演变成一种规避查重的手段？
要理解 Tortured Phrases，必须先了解学术论文查重的基本原理。
文本相似性检测系统（text similarity detection systems）会将待检测文稿与已有文献、数据库或其他可用文本进行比较，识别可能重复的词语、句子和段落。不同系统采用的算法、语料覆盖范围和匹配策略各不相同，不能把所有工具都简单理解为逐字比对。
当作者直接复制一段文字时，原文与新稿之间往往存在明显的文本重合。如果作者只是替换部分单词、调整句子顺序，文本表面的相似程度可能随之降低。这样的变化有时会让依赖词语匹配的检测方法更难发现原始文本之间的联系。
这就形成了一个危险的误区：只要让文字看起来不一样，就能让文章显得原创。
事实上，文字相似性与学术原创性不是同一个概念。查重率下降，不等于抄袭问题消失；词语发生变化，也不意味着研究思想、论证过程或科学结论获得了原创性。
Tortured Phrases 正是这种错误思路的一种极端表现。
把专业术语拆开，再逐词替换
这类手法中最容易识别的一种，是将固定术语中的单词分别替换成所谓的近义词。
例如，某篇已有文献使用“smart grid”。如果作者不理解这个术语的整体含义，只根据词典中的单词释义进行替换，就可能得到“intelligent network”之类的表达；更机械的替换甚至会产生“clever lattice”这样的异常组合。
需要强调，“intelligent network”在某些语境中可能是合法的专业表达，不能仅凭词语不同就认定存在问题。“Clever lattice”则可能让读者误以为作者在描述一种聪明的晶格结构，而不是智能电网。
问题不在于作者有没有使用同义词，而在于是否保留了原术语的准确含义，以及是否存在掩盖文本来源的意图。
学术写作中的专业术语往往具有约定俗成的含义。词典中的近义词不一定能够互换，日常语言中的相似表达也未必适用于特定学科。
利用自动改写工具批量替换词语
同义词转换器和自动改写工具可以帮助作者调整表达。有些工具却会机械地替换句子中的词语，不充分考虑上下文和专业知识。
例如，原句是：
“Random forests were used to classify the medical images.”
意思是研究采用随机森林算法对医学图像进行分类。
如果改写工具只追求词语变化，可能将“random forests”替换为“irregular woodlands”。后者在字面上与随机森林存在某种关联，却不再是机器学习领域的规范术语。
再看另一个例子：
原表达：signal-to-noise ratio
异常表达：flag-to-clamor ratio
前者是信号与噪声之比，是信号处理、电子工程和实验科学中的常用概念；后者则是一个不符合该领域常规用法的组合。
这类例子揭示了一个重要问题：自动改写工具可以改变句子的表面形式，却不一定理解研究者真正想表达的科学概念。
如果作者在没有核对术语的情况下，直接将自动生成的文本放进论文，最终结果可能是语言异常、技术错误，甚至改变研究结论的含义。
通过反复改写制造与原文的距离
另一种可能出现的模式是反复进行文本转换。例如，一段文字先被翻译成另一种语言，再翻译回英语；或者经过多轮释义、同义词替换和句式调整，最终形成与原文表面差异较大的句子。
这种做法有时被称为回译或多轮改写。它们本身并不属于学术不端：回译可以用于翻译质量评估，改写也可以帮助作者提高表达清晰度。
风险在于，作者把这些技术当成隐藏文本来源的工具，试图让他人的文字看起来像是自己写的。
例如，原文写道：
“Elevated temperature increased the reaction rate.”
经过不恰当的反复改写后，可能变成：
“An upgraded thermal condition augmented the pace of the chemical response.”
这句话并非完全无法理解，但“upgraded thermal condition”和“pace of the chemical response”都不如原表达准确、自然。在真实研究中，反复改写还可能进一步模糊温度变化、反应速率和实验条件之间的关系。
因此，判断这类行为不能只看最终句子是否奇怪，还应查看文本来源、修改轨迹、引用情况以及作者是否准确表达了原研究的含义。
把整段文字改得面目全非，却保留原来的研究内容
最值得警惕的情况，是作者更改了词语和句式，却没有改变原文的论证结构、核心观点或研究内容。
例如，已有研究提出某种算法能够降低特定数据集上的分类错误率。新论文将原文改写成另一种说法，却没有标注相关文献，也没有开展新的实验或分析。
即使两段文字没有明显的连续重复，也仍可能涉及不当借用。
学术抄袭不只包括逐字复制，还可能包括未适当注明来源而借用他人的观点、论证或研究成果。简单替换词语、调整语序，不能自动消除这些问题。
Oxford Academic 的学术写作指南也将直接复制、简单同义词替换以及保留原意的改写列为需要区分和识别的文本抄袭相关形式。
参考资料：Principles of Scientific Writing and Biomedical Publication：Plagiarism
除了 Tortured Phrases，还有哪些类似的学术不端行为？
Tortured Phrases 只是一个切入点。围绕文本原创性、相似性检测和自动化写作工具，还存在几类容易被忽视的问题。
同义词洗稿：只改文字，不改来源
同义词洗稿（synonym substitution）指通过替换词语、调整短语或修改句式，让已有文本看起来与原文不同。
它与正常改写的区别，不是修改了多少单词，而是作者是否恰当地使用和引用了原始材料，以及是否试图制造虚假的原创性。
例如，某篇论文讨论某种蛋白质对细胞信号通路的调控作用。另一篇论文将原文的部分词语替换成近义表达，却沿用了相同的论证顺序、观点和解释，并且没有引用原文。
这种做法即使没有产生荒谬的英语，也可能构成文本抄袭或不当改写。
拼贴式抄袭：把多篇文献拼成一段新文字
拼贴式抄袭（patchwork plagiarism），也称马赛克式抄袭（mosaic plagiarism），是将不同来源的文字片段拼接在一起，进行少量修改后作为自己的表达。
它可能混合多篇论文中的定义、背景介绍、研究结论和讨论内容。单独检查某一个句子时，问题未必明显；将整段内容与原始文献比较，就可能发现其结构和观点大量依赖已有文本。
这种做法尤其容易出现在文献综述、引言和讨论部分，因为这些章节通常需要整合大量既有研究。
真正合格的文献综述，不是将不同论文的句子重新排列，而是对研究证据进行比较、归纳和批判性分析，明确不同研究之间的联系、差异与局限。
语义洗稿：保留论证，只改变表达方式
语义层面的抄袭（paraphrasing plagiarism）比简单的词语替换更难识别。
作者可能重新组织句子、改变主动语态与被动语态、合并或拆分段落，却依然沿用了他人的核心观点、论证结构或独特分析。
这并不意味着所有基于文献的改写都有问题。科研论文必须建立在既有知识之上，合理的转述是学术写作的基本能力。
真正的界限在于，作者是否准确注明了思想来源，是否把别人的贡献误呈现为自己的原创工作，以及是否进行了足够的独立分析。
通过机器翻译或生成式 AI 隐藏文本来源
机器翻译和生成式人工智能使文本转换变得更加容易。作者可以让工具重写句子、调整语气、翻译段落，甚至根据输入材料生成新的表述。
这些工具本身并不等于作弊。它们可以用于语言润色、翻译辅助和表达改进，具体使用方式还应符合目标期刊和所在机构的政策。
真正的问题在于使用目的和实际行为。
如果作者把其他论文的内容输入工具，让工具将其改写成一段看似全新的文字，再以原创成果的名义提交，却不注明来源，那么即使生成的文字完全流畅，也不能因此消除抄袭风险。
同样，不能因为一段英文出现了异常术语，就断定它一定由 AI 生成。Tortured Phrases 早于生成式 AI 的普及，自动改写软件、词典工具和人为修改都可能产生类似结果。
伪造专业术语：语言问题进一步变成科学问题
Tortured Phrases 的危害并不限于文本原创性。
在科学研究中，术语是传递研究对象、实验条件和理论概念的基础。如果作者将标准术语替换成含义不明的表达，错误就可能进入研究设计、数据解释和结论之中。
例如，将“neural network”写成“nerve web”，读者或许还能猜到原意；如果进一步将特定模型的名称、参数或算法步骤替换成错误表达，读者就可能无法判断研究究竟采用了什么方法。
在医学研究中，这种风险更加明显。疾病名称、药物名称、临床终点和统计指标都有相对明确的含义。不恰当的词语替换可能使不同概念混为一谈，影响研究结果的理解和后续复现。
因此，Tortured Phrases 不应仅仅被看成英语写作中的笑话。它可能同时反映文本来源管理不当、自动化工具使用失控以及科学内容质量下降。
如何识别 Tortured Phrases？科研人员可以重点检查什么？
发现异常表达，并不意味着必须立即认定论文存在学术不端。更合理的做法，是把语言异常作为调查线索，结合上下文、文献来源和研究内容进行核查。
检查专业术语是否符合学科惯例
审阅论文时，可以优先关注那些本应具有固定表达的专业术语，例如算法名称、统计指标、疾病名称、材料名称和实验方法。
如果一篇机器学习论文中反复出现“Nearest Buddies”而不是常见的“nearest neighbors”，或者将“signal-to-noise ratio”写成含义不明的组合，就应核对原文、研究领域的标准术语以及相关上下文。
单个异常表达可能来自翻译错误或作者的语言局限。若同一篇论文中出现大量类似替换，而且错误呈现出规律性，就值得进一步检查。
将异常短语与已有文献进行比对
发现疑似异常术语后，可以使用引号搜索该短语，或搜索它可能对应的标准术语，寻找可能的原始文本。
如果异常表达与某篇早期论文中的标准术语相对应，还需要比较两篇论文的句子结构、论证顺序、研究方法和其他文本特征。
例如，一篇论文将“random forest”写成某种不自然的森林描述。如果它不仅使用了异常术语，还保留了另一篇论文相同的句子结构、论证顺序和独特错误，那么这些现象组合起来，比单独出现一个奇怪短语更值得关注。
使用查重工具，但不要把相似度当成裁决
iThenticate 等文本相似性检测工具能够帮助编辑和研究者发现潜在的文本重合。然而，这类工具的结果需要结合具体情况解释。
规范的专业术语、常见方法描述、参考文献和合理引用，都可能产生文本匹配。相反，经过大量替换的抄袭文本也可能降低字面匹配程度。
因此，低相似度不代表没有抄袭，高相似度也不代表必然存在抄袭。
关注整篇论文中的异常模式
比起孤立地检查某一个单词，整篇论文的异常分布更有参考价值。
如果标题、摘要、引言、方法和讨论部分都出现不自然的专业术语替换，且这些替换集中发生在公认的固定表达中，就应检查是否存在系统性的文本转换行为。
研究者还可以核对参考文献是否真实、引用是否准确、研究方法能否复现，以及论文中的术语与图表、公式和实验结果是否一致。
必要时开展人工调查
最终判断应建立在多种证据之上。编辑和机构可以结合原始稿件、修订记录、研究数据、参考文献及作者的解释，区分语言能力不足、工具使用错误、引用不规范和蓄意规避检测等不同情况。
自动化检测工具适合发现线索，不适合单独作出学术不端的最终认定。
科研人如何避免无意中写出 Tortured Phrases？
对于非英语母语研究者，最重要的不是刻意让每句话都与其他论文不同，而是确保文字准确表达研究内容，并且对已有知识作出适当引用。
保留规范术语，不要为了降低相似度而随意替换。 专业术语往往具有明确的学科含义。即使某个词有多个近义词，也不意味着这些词可以在所有语境中互换。遇到不确定的表达，应优先核对专业文献、领域标准和权威术语资源。
改写时重建自己的论述，而不是机械替换单词。 阅读文献后，可以先提炼作者的核心观点、证据和结论，再结合自己的研究问题重新组织论述。涉及他人观点、数据或独特解释时，仍然需要准确引用来源。
使用 AI 或自动改写工具后，逐句检查科学含义。 重点核对专业名词、缩写、变量、单位、统计指标、因果关系和结论。语言更流畅，并不意味着内容一定正确。若工具生成了不熟悉的表达，应回到原始文献进行验证。
不要把查重率当成写作目标。 文本相似性报告的价值，在于帮助作者识别引用不当、重复发表和不必要的文字重复，而不是指导作者把正常的专业表达改成奇怪的词语。对于必须使用的固定术语，准确性比表面上的文字差异更重要。
保留研究过程中的关键记录。 文献管理记录、原始数据、稿件修订历史以及合理的 AI 使用记录，都有助于解释论文如何形成。当编辑对文本来源或研究过程提出疑问时，这些材料也能帮助作者提供清晰、可信的说明。
对于希望进一步学习学术改写与引用规范的研究者，以下资源值得参考：
- University College London：Referencing and avoiding plagiarism —— 介绍如何正确转述、使用引文和注明来源。
- University of Manchester：Academic Phrasebank —— 提供学术论文不同部分的常用表达，适合学习规范的英语学术写作。
- Common Misconceptions about Text Recycling in Scientific Writing —— 讨论文本重复使用、表面改写与学术规范之间的关系。
此外，像AJE这样的专业的学术论文语言润色公司，可以帮忙合规将语言润色成符合本领域的语言质量。
躲过查重，不等于通过学术诚信的检验
IOP Publishing 此次撤稿事件再次说明，科研论文中的语言异常有时并不是一个孤立的编辑问题，而可能与文本原创性和出版诚信有关。
Tortured Phrases 之所以值得重视，是因为它暴露了一种错误的写作逻辑：把原创性理解为词语上的差异，把学术规范简化为能否通过检测工具。
一篇真正有原创性的论文，价值来自研究问题、研究方法、证据和分析，而不是把已有文献中的专业术语换成生硬的近义词。无论使用人工改写、机器翻译还是生成式 AI，都不能通过改变文字表面形式来掩盖内容的真实来源。
同时，编辑和出版机构也需要保持判断上的审慎。奇怪的表达可以成为调查线索，却不能单独成为判定作者故意作弊的证据。只有结合文本来源、研究内容和具体行为，才能作出公平、可靠的判断。
对科研人员而言，最稳妥的原则其实很简单：写作的目标是准确传递科学知识，而不是制造与已有文献之间的表面差异。
