随着ChatGPT等大型语言模型（LLMs）在学术写作中的广泛应用，如何检测LLM生成的内容成为学术界关注的焦点。本文系统研究了ChatGPT生成内容在学术文献中的可检测性，特别是科学论文摘要。作者首先构建了GPABench2基准数据集，包含超过280万对比样本，涵盖人类撰写、GPT生成、GPT补全和GPT润色四种类型的摘要，涉及计算机科学、物理学及人文社会科学三个学科。其次，作者探索了检测方法：评估了现有检测工具和超过240名人类评审者的不佳表现，然后基于手工设计的语言学特征模型作为基线，开发了名为CheckGPT的深度神经网络框架，旨在捕捉ChatGPT写作中微妙的深层语义和语言模式。最后，通过跨学科、跨任务的全面实验验证了CheckGPT框架的有效性，并评估了其迁移性、对提示工程的鲁棒性等。研究结果表明，现有工具和人类难以可靠区分ChatGPT生成内容，而CheckGPT在多种任务上表现更优。这项工作为学术圈制定LLM使用政策提供了数据和方法支持。