核心权衡：AI能加速同行评审，但也可能扭曲它
同行评审已不堪重负——稿件太多，审稿人太少——而像大语言模型（LLM）这样的人工智能工具提供了一个诱人的解决方案。它们可以自动完成语言检查、抄袭筛查，甚至初步分类，从而节省时间并提高一致性[3][5][8]。但同样的工具也可能带来严重问题：它们可能虚构引用、生成含糊或过于冗长的反馈，甚至改变评审过程的最终结果[2][7]。
最令人震惊的扭曲证据来自2024年对国际学习表征会议（ICLR）的一项研究，该会议是顶级机器学习会议。研究人员利用AI检测器估计，至少15.8%的评审由AI辅助完成。当他们比较同一批论文的AI辅助评审和人工评审时，AI辅助评审在53.4%的配对中得分更高——评分更高的概率相对提升了14.4%。更令人担忧的是，获得AI辅助评审的论文被接受的可能性比没有此类评审的相似论文高出4.9个百分点。这意味着AI不仅仅是在帮助评审者更快地写作，它还在改变哪些论文能够入选[2]。
研究人员对AI辅助评审的真实看法
研究人员对AI辅助反馈持怀疑态度，而这种怀疑态度对于系统的信任度至关重要。在一项针对495名精英研究人员（《自然》和《科学》杂志的作者）的2026年随机实验中，AI辅助评审被认为不如人工主导的评审公平、有用且可接受。对其中47人的后续访谈揭示了一种双重厌恶：他们既不相信AI能够捕捉学科细微差异，也不信任将评审工作委托给AI的人类审稿人，认为后者缺乏严谨性和同理心。这表明，在同行评审中使用AI可能会侵蚀对整个评估过程的信任，而不仅仅是对工具本身的信任[1]。
对来自不同学科的12位期刊审稿人的访谈印证了这一警示。他们认可人工智能在减轻工作负担、提升一致性方面的作用，但强调人工智能应辅助而非取代人类判断，并对偏见、缺乏透明度及隐私风险提出了担忧[3]。一项涵盖800余种期刊的跨学科分析发现，83%的高影响力期刊已制定人工智能使用指南，但这些指南因学科而异，科学和医学领域比人文与社会科学领域更为严格。其共同点在于推动透明度、强化人工监督，并将人工智能限制在辅助性任务范围内[9]。
期刊和会议的工作流程究竟应该做出哪些改变？
证据指向一系列明确的实践变革。首先，将人工智能用于其擅长的领域——分类筛选、语言润色和抄袭检测——但在实际评估新颖性和重要性时，仍需人类参与其中[5][8]。其次，制定明确的政策，规定审稿人何时以及如何使用人工智能，并让所有人知晓这些政策。目前，许多期刊没有此类政策，导致审稿人只能自行摸索[4][9]。
第三，落实问责机制。2024年的一篇评论文章指出，仅靠政策远远不够；期刊需要建立透明的程序来调查违规行为，并将滥用AI的审稿人排除在外，以维护系统的公正性[4]。第四，开展范围明确、审慎设计的试点项目，并设定清晰的评估指标，确保透明度和问责制，而不是要么全面禁止AI，要么不加批判地全盘接受[6]。最后，需警惕AI辅助评审可能偏向给出更高分数，因此期刊应监测这一现象，并考虑调整评分阈值，或仅在不影响评分的方式下使用AI[2]。
关于这些来源
本回答基于9项同行评审研究——发表于2024年至2026年，其中9项为2024年或之后发表，5项发表于Q1期刊，合计被引294次——这些研究是从9项通过质量筛选的研究中选出的最相关成果，而后者又源自从超过5亿篇论文数据库中检索到的51篇文献。
本文引用的文献
AI坐上守门人之位：精英研究者对期刊同行评审中AI辅助反馈的看法
在一项涉及495名精英研究人员和47次访谈的随机实验中，AI辅助评审被认为在公平性、有用性和可接受性方面均低于人工评审，而使用AI的评审者则被认为不够勤勉且缺乏同理心。
AI审稿彩票：广泛使用AI辅助的同行评审提升了论文评分与录用率
在ICLR 2024上，至少15.8%的评审使用了AI辅助；在53.4%的评审对中，AI辅助评审的得分高于人类评审，而带有AI辅助评审的论文被录用的可能性高出4.9个百分点。
探索生成式人工智能对同行评审的影响：来自期刊审稿人的见解
对12位期刊审稿人的访谈发现，大语言模型能够减轻工作量并提升一致性，但审稿人强调需要人类监督，并对偏见、透明度和隐私问题表示担忧。
审稿人之死，还是同行评审诚信之死？——AI工具在同行评审中的应用挑战及超越出版政策的必要性
一篇评论文章指出，目前缺乏针对同行评审人员使用人工智能的相关政策，并主张建立透明的程序，以调查违规行为并将滥用人工智能的评审人员排除在外，从而维护学术诚信。
人工智能的应用与同行评审的未来
作者认为，鉴于稿件数量不断增加且审稿人短缺，应利用人工智能（尤其是大语言模型）来辅助稿件分流，以支持同行评审工作。
人工智能与学术同行评审的未来
一篇关于人工智能在同行评审中应用的综述指出，有针对性的、受监督的大语言模型辅助能够提升错误检测能力、提高时效性并减轻审稿人负担，同时不会取代人类判断；该综述还强调了治理机制和精心设计的小规模试点项目的必要性。
大型AI会议被完全由AI撰写的同行评审淹没。
一份新闻报道记录了ICLR上关于AI撰写的同行评审的担忧，包括虚构引用以及异常冗长、含糊其辞的反馈。
同行评审中的人工智能：在提升效率的同时维护公正性
关于人工智能在同行评审中作用的综述得出结论：AI应作为辅助工具，而非人类专业知识的替代品，并建议制定相关准则，以在享受效率提升的同时维护学术诚信。
学术同行评审中人工智能政策的跨学科分析
一项针对439种高影响力期刊和363种中等影响力期刊的分析发现，83%的高影响力期刊已制定人工智能指南，其中科技、医学领域的规定更为严格，且相关政策强调透明度、人工监督，并将人工智能限制在辅助性任务范围内。