AI审稿比人类专家更强，这事已经有实验数据了。10月22日，哈佛大学两位研究人员发表论文，题为《AI审稿意见全面胜过高水平人类同行评审》，对比了134组AI与人类撰写的审稿意见。结论很直接：AI在七个评价维度上全面领先。 先看人类这一边的阵容。研究用了124篇学术论文，人类审稿意见来自哈佛大学定量社会科学研究所旗下rapidPeer服务——这是一项付费的专业审稿服务，审稿人由领域专家挑选，来自不同研究机构，报酬不低。他们的表现原本也不差：74位受访论文作者中，88%认为收到的审稿意见质量很高，60%给出最高档评价。 但对比结果是这样的： 三位曾任重要学术期刊主编的专家进行盲评，30次比较中有26次认为AI的审稿意见更好； 在具体论断核查中，AI审稿意见的事实错误比例为5.5%，人类为15.9%； 不允许AI联网、只给同样的审稿指南，134组对比中GPT-5.5全部选择AI； 换用优化提示词并开放联网后，134组中有132组明确判AI获胜，剩下两组不确定，人类没有取得任何胜利。 分维度看差距更明显。在补充参考文献、发现论文弱点、研究方法三个维度上，AI胜率达到100%；理论创新、论述框架、表达质量等方面，胜率也都超过90%。研究人员还检查了AI引用的651个带有DOI或arXiv编号的参考文献，全部真实存在，没有一条是编造的。 有人会问：AI审稿、AI当评委，会不会偏袒同类？研究请来的三位前主编盲评，正是为了回应这个疑问。30次比较中，人类评委有26次站到了AI那边。 AI赢在不会累 AI到底怎么把人类审稿人比下去的？答案可能很简单——它压根不会累。审稿需要通读论文，检查研究方法、数据、图表和论证，还得寻找作者可能遗漏的相关文献。论文作者甚至在介绍实验时顺手吐槽了一些传统期刊审稿人：有人论文才看到第三页，就开始寻找足以否定论文的致命缺陷，好让自己不用继续读下去。 AI没有急着下班的需求。实验中，研究人员把Claude Opus 4.8的推理强度调到最高，专门设计了一套审稿提示词，允许联网查找资料。结果AI平均每审一篇论文要进行12.4次联网搜索。效果也直接体现在数据上：不联网、用普通审稿指南时，AI在补充参考文献方面的胜率为62%；换用优化提示词并开放联网后，胜率提高到100%。 认真过头也有副作用。论文作者举例，AI有时会吹毛求疵到荒唐的程度：明明知道2+2=4是正确的，却还要指出作者没有定义加号是什么意思。人类审稿人可能嫌论文毛病太多，AI倒可能找茬成瘾，没毛病也给挑点错出来。 这个结果放在半年前还很难想象。今年4月，学术期刊《Organization Science》的编辑团队分析了过去几年收到的一万多份审稿意见，发现大量使用AI的审稿报告反而更难读，讨论的问题也更狭窄，当时研究人员认为AI生成的审稿意见还没达到人类水平。不到半年，哈佛拿出了另一份成绩单。 数学家还在给AI立规矩 审稿这件事被AI攻下，对最近忙着跟AI公司较劲的数学家来说，多少有些尴尬。9月11日，陶哲轩等首批25位菲尔兹奖得主联名发声，批评AI公司把破解数学难题当成模型能力竞赛，急着宣布重大突破，却没有给数学界留下足够时间验证、理解和讨论。9月29日，数学与AI咨询小组（AGMAI）发布指南，强调已被人类数学家充分理解的AI研究成果，应按传统学术规范发布论文，接受期刊同行评审。 还有一部分数学家连审稿人的椅子都不想让人碰。10月7日，一个名叫“人类数学协会”（AHM）的组织公开批评OpenAI一次性发布700多份数学研究文件，认为这更像在展示力量，而非认真做学术。该组织明确要求成员不得发表AI生成的数学论文、评论，连审稿报告都不行。 就在数学家努力给AI立规矩的时候，哈佛的两位研究人员把人类和AI审稿人一起送上了考场。论文发布后，斯坦福大学政治学副教授徐轶青公开表示，学术界应该重新考虑人类专家在审稿中的角色。在他看来，人类专家仍然需要参与，但已经没必要继续亲自撰写动辄1500字的长篇审稿意见。就连那些禁止使用AI审稿的期刊，也到了该重新审视自身规定的时候。 需要说明的是，哈佛这项研究涉及的主要是社会科学论文，尚且无法证明AI已经能够独立审查复杂的数学证明，数学家要求严格验证本身也没什么错。但数学家还在强调AI不能绕过人类同行评审这道门槛，AI却已经开始研究，能不能把守门的人也换掉。 特别
