你是一名编辑或同行评审员，桌面上堆满了尚未阅读的稿件。一些同事正在使用AI审稿工具减轻工作负担。有些工具可以检查引用错误或计算错误；还有一些工具则能判断论文中的观点是否成立，甚至能否为该领域的发展做出贡献。你会阅读这些评估结果吗？会信任它们吗？会根据这些评估结果来批评或拒绝某篇论文吗？
今年8月，文章《同行评审已经不堪重负了——在人工智能时代，它还能存活下来吗？》明确表达了对同行评审现状的担忧。有学者向期刊投稿论文，在原本应该由两到三位专家参与的同行评议环节，只有一位专家参与其中并做出了不支持发表的评审意见，论文最终未能成功发表。作者阅读评审意见后，认为这位评审专家没有认真审阅自己的论文，完全误解了他想表达的核心内容，对专家所做的评价难以信服。
相关文章表示，这一情况并非个例：每个评审专家对文章的关注点都会不同，导致同一篇论文在多个专家手里可能会得到褒贬不一的评价。这种来自不同角度的多样化反馈能够全面反映这篇文章的优点和不足之处，但是文章的评审意见容易受到专家的特殊情况影响，如误解、疲劳、学科偏好或偏见等，还可能因为专家自身的能力问题作出不够严谨的评审意见。
“整个评审系统似乎正在走向崩溃。”
近年来论文数量急剧攀升，短短5年内已翻了一倍，到2025年达到约875万篇，这为同行评审体系带来了过度繁重的压力。据一项统计估算，全球的研究人员每年要投入大约15000年的时间来进行同行评审工作[1]。论文的研究内容也逐渐向跨学科性质发展，这意味着评审专家需要具备更多的知识储备，并花费更多的时间和精力来审阅论文。
一场令人望而生畏的激增：随着生成式人工智能的快速发展，科学出版物的数量在几十年间急剧增加，编辑和审稿人也不得不加快工作节奏以跟上这一趋势。
与之相对的困境是，编辑们开始难以找到愿意担任审稿人的同行。根据Silverchair《2026同行评审未来报告》（2026 Future of Peer Review Report），在2025年，编辑们平均需要发送4.5封邀请才能获得一份完成的审稿意见，这一数字是2018年的两倍。因此，有时一些文章的评审任务不得不被分配给那些研究领域相关性较低、评审资质或没有充足时间专注于评审工作的人。有专家在报道中称，他每月大约收到10份审稿请求，但他只有一两天的时间来完成这些任务；还有专家每天或每两天就会收到一份审稿请求。
有学者感叹，同行评审是科学的基石，不过“这一基石已经开始不再稳固了”。尽管同行评审制度在当今的研究领域中占据着核心地位，但这一制度正面临跨学科研究兴起与人工智能发展的双重冲击。
“Ready for the robot reviewers?”
今年8月，一篇发表于Nature的通讯《同行评审的未来需要人工智能的支持，而不是对其进行禁止》认为，当前多数期刊禁止AI工具辅助审稿的问题在于，一刀切的禁令不能解决当前的同行评审困境，而且几乎没有相应的监督方式。从堵不如疏的角度来说，AI工具擅长发现已有的研究成果，从冗长的论文中提取关键信息，甚至能够发现实验设计和分析方案中的缺陷，使审稿人可以摆脱繁琐的信息提取工作，将更多时间精力用于关键内容的评估。
Science发表的一篇文章标题更是直言：准备好迎接机器评审了吗？（Ready for the robot reviewers?）文章提出，自动化检测工具已经可以做到精确识别稿件的抄袭和重复情况、文章实验内容是否透明与合规，大语言模型则可以在这些功能上更进一步。“目标不是让人工智能与最优秀的人类评审相媲美，而是使用明确评分标准的人工智能辅助评审，能否优于受疲劳、情绪影响且缺乏一致性的普通人工评审。”
在一项研究中，研究人员使用OpenAI的GPT-5评估2500篇随机选取的论文，论文随机选取自2018至2025年间机器学习领域的两个顶会和一个期刊。GPT-5发现其中约三分之一的论文存在可能影响解释、可重复性或后续应用的错误。经人工复核，AI标记的问题中约83%确为真实错误，其中检测数学错误比检测文本错误的效果更好。
在AAAI-26人工智能评估试点项目的书面反馈中，对AI评审做出的前五个正面和负面评价。
另两项今年发表的研究进一步佐证了AI辅助审稿的可行性。两项研究分别用常见大语言模型对AAAI-26的会议论文和《自然》系列期刊预印本论文进行自动评审。总体而言，AI审稿在那些需要大量劳动、且涉及阅读代码、检查统计假设或参考专业文献的常规审查任务上，表现得比人类审稿人更为出色。
信任，但要核实
即便已有部分研究结论支持AI审稿相关工作的可行性，AI审稿的弊端依然不容忽略：AI生成的评审意见过于繁琐，对文章存在的问题没有主次区分，评审意见要点不成体系；对文章内容的分析主要局限在文本错误，缺乏应有的深度；对细分学科或交叉学科等新型学术领域缺乏判断参考等。此外大语言模型固有的偏见问题和“过度认同用户”的倾向也容易让AI作出有失公允的论文评价，或是使同一模型生成的评审意见过于模板化。
目前公认相对可行的做法是采用混合工作流程：先由大型语言模型检查论文内容存在的客观错误，审稿人只负责核实AI指出的论文客观错误的有效性、严重程度以及其它影响，从而将精力更多地用于评估论文的主观方面（如新颖性、技术意义以及概念性贡献）。这一做法所节省的时间和人员精力十分可观：在“AAAI-26人工智能评估试点项目”中，AI工具在不到一天的时间内为22977篇完整论文生成了评审意见。
[1] Peer review is overwhelmed—can it survive in the AI era? - Ars Technica
https://arstechnica.com/science/2026/08/peer-review-is-overwhelmed-can-it-survive-in-the-ai-era
[2] The future of peer review requires AI support, not AI bans - Nature
https://www.nature.com/articles/d41586-026-02631-0
[3] Ready for the robot reviewers? - Science
https://www.science.org/content/article/can-ai-help-solve-peer-review-crisis-here-are-its-promises-and-pitfalls
[4] Peer Review Report 2026 – Confirmation - Silverchair
https://www.silverchair.com/news-blog/resources/peer-review-report-2026-confirmation
[5] AI-Assisted Peer Review at Scale: The AAAI-26 AI Review Pilot - Arxiv
https://arxiv.org/abs/2604.13940
[6] On the limits and opportunities of AI reviewers: Reviewing the reviews of Nature-family papers with 45 expert scientists - Arxiv
https://arxiv.org/abs/2605.20668v1
[7] To Err Is Human: Systematic Quantification of Errors in Published AI Papers via LLM Analysis - Arxiv
https://arxiv.org/abs/2512.05925
[8] AI in peer review should be a second reader, not a judge
https://kevinmd.com/2026/09/ai-in-peer-review-should-be-a-second-reader-not-a-judge.html
