问题—— 随着论文评价体系对规范性和原创性的要求不断提高，代码类成果的相似度问题逐渐从技术层面进入学术治理的“显性议题”。在计算机、数据科学、自动化控制等专业论文中，学生在查重报告里发现代码段被判定为高度相似并不罕见。相似内容可能出现在数据读取、基础循环、常用库调用等通用环节，也可能集中在模型训练流程、关键模块实现、核心算法框架等主体部分。一旦相似度偏高且涉及核心贡献，往往会引发“是否属于不当引用”“原创贡献是否充分”等疑问。
代码相似不必然等同于学术不端，关键在于是否涉及研究核心、是否存在未经标注的实质性复制，以及能否通过清晰论证与规范引用说明自身贡献。面对查重结果，既要尊重规则、及时整改，也要以更高标准完善研究过程与表达。把“做出来”和“讲明白”结合起来，才是通过审核、经得起检验的根本。