LLM 正在成为科学研究的常规工具，帮助文献综述、假设生成、代码编写和形式推理。其使用引发核心认识论问题：当科学推理的部分环节交由人工系统时，哪些条件必须由人类保持控制，才能使知识主张保持认识合法性并可追责？
本文构建了一个规范性概念框架来分析这种委托。我们将科学推理视为分布式过程，贡献的来源可以是人也可以是机器，但将其纳入科学记录的责任始终由人承担。框架区分了内容来源 $O(g)$、人类验证完成 $V(g)$、责任分配 $R(g)$、可追责的人类所有权 $M(g)$ 与认识结果 $E(g)$。这些构件把主张的出处、检查过程、检查的认识结果以及人类承担的责任分离开来。
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追责的人类所有权决定，而非机器参与的程度。基于此，本文提出“认识审计”概念：一种记录委托、验证、来源和责任的结构化文档，旨在使 AI 辅助推理透明且可审查。该框架提供了正式词汇，用于区分负责任的认知委托与在科学研究中转移或忽视认识责任的行为。
博主点评：该框架为 AI 时代的科研伦理提供了清晰的操作指引，强调验证和人类所有权是防止认识责任流失的关键。