AI已逐渐嵌入学术研究日常活动，其应用正从论文撰写扩展至期刊推荐、投稿质量检查、审稿人匹配及评审报告评价。Wiley的一项覆盖70余个国家近5,000名研究人员的调查显示，约19%的受访者曾尝试使用大语言模型辅助同行评议。公共讨论中的关注不足，并不意味着实际应用有限。

同行评议是科学出版的重要质量关口。审稿人转向AI使用，往往源于紧迫的编辑时限、有限的阅读时间和长期的无偿劳动。AI能够在短时间内生成结构完整、语言流畅的意见，但这种便利也可能替代本应投入的阅读、反思与学术判断。本文据此考察AI参与评审的动因、实践及后果，讨论如何兼顾效率、科学质量与可持续性。

审稿人短缺与论文数量增长加剧了评审系统的负担。调查显示，拒绝审稿的常见原因包括时间不足（79%）、论文主题因素（71.3%）和期刊声望因素（32.7%）。专业匹配不足、转投后的重复评审，以及持续缩短处理周期的要求，进一步压缩了深度阅读的空间。

当速度成为主要效率指标，而认真评审缺乏相应认可时，审稿容易被视为需要尽快完成的行政任务。证书、代金券和发表折扣等激励，未必能够维系审稿人对学术共同体的责任感，青年研究人员还可能承受更明显的无偿劳动压力。

出版机构已出台AI使用规则。Elsevier强调稿件与评审材料的保密性，禁止将其上传至生成式AI工具，并要求审稿人对意见负责；Wiley和Springer Nature则允许有限且须披露的使用。然而，规则能否落实，取决于是否存在有效的核查与质量监督机制。若仅发布原则性声明，制度可能停留于形式合规，难以改变促使审稿人依赖AI的实际条件。

高质量评审应以细致阅读为基础，准确定位问题，区分其重要程度，并结合研究目标、方法和领域背景提出可执行的建议。模板化报告则可能将论文简化为若干通用缺陷，在缺乏充分论证的情况下建议大修或拒稿。二者的关键差异在于是否真正回应了稿件的具体内容。

AI可能遗漏方法缺陷、误读结果，或提出看似合理却缺乏实质内容的意见。其风险不仅是“出错”，还在于以自信、流畅的语言表达错误，制造严谨可靠的表象。模型的迎合倾向还可能强化使用者的既有判断，降低其重新审视自身立场的意愿。

常见问题（见表1）包括：机械罗列且不分主次；语言规范但内容空泛；缺少对具体章节、图表或行号的引用；批评与稿件实际内容不符；建议偏离研究目标或不可实施；反复使用未经展开的套话；意见与最终处理建议不匹配；缺乏明确的学术立场；不同报告的结构、词汇高度相似；出现AI文本中较常见的词汇和语法模式。这些迹象应结合稿件及评审情境核查，不能直接等同于对AI使用的确证。

AI的辅助价值仍应得到承认。调查表明，超过半数用户认为GPT-4的反馈有用或非常有用，82.4%认为其优于至少部分人工审稿意见。另有研究利用“评审反馈智能体”帮助审稿人减少含混、缺乏依据或不专业的表述。这些结果支持特定任务中的辅助应用，但不足以证明AI能够完整替代专家判断。

科学交流中的语言风格与论证方式，承载着学科传统、个人经验和知识文化。若论文写作与评审都趋向相同模板，形式上的规范可能逐渐压过原创思考，削弱学术表达的多样性。部分作者为避免被误判为使用AI，主动替换自然表达、简化语法，反而损害了个人声音。

同行评议还具有教育功能。经验丰富的审稿人通过具体、建设性的反馈，帮助作者，尤其是青年学者改进研究并发展批判性思维。过度标准化可能削弱这种指导关系，使评审从学术交流退化为程序性检查。

缺乏充分理由的拒稿也会造成情感伤害。作者投入大量时间与精力后，若收到与研究脱节的冷漠或笼统评价，可能感到自己的工作未被认真阅读。这不仅影响个人研究动力，也会削弱对评审制度的信任。作者可以向编辑反映问题，但能否获得有效回应，取决于编辑部的透明度及其审视评审质量的意愿。

此外，要求作者增加审稿人本人或关联文献的强制引文行为，可能与自动化评审相结合。审稿人承担直接责任，编辑也应审查意见的依据与相关性，防止评审沦为谋取个人收益的工具。

AI能够帮助非英语母语研究人员改善学术表达，但其收益分配并不均衡。经费充足、数字基础设施完善的机构更容易获得先进工具；在模型训练中代表性不足的语言和知识传统，则可能得到较弱的支持。

传统评审中的声望偏差也不会因技术介入自动消失。一项实验发现，同一篇论文展示知名作者姓名时，建议接收的比例超过20%；仅展示较不知名作者姓名时，该比例低于2%。这一结果说明既有评审受到身份声望影响，但并非AI偏见的直接证据。因此，模型可能通过训练文献中的引用网络、主流研究主题等间接信号，延续既有不平等。

审稿人推荐系统同样可能反复选择特定地区和机构的研究者。扩大审稿人来源、改善地域与知识背景的代表性，应成为技术应用与编辑治理的共同目标。

AI可能提升个人论文产量与学术影响，却使整体研究进一步集中于热门、数据丰富的领域。写作、审稿与回复速度同步提高，也可能推动发表数量增长，而科学质量未必相应提升。同行评议由此面临从知识建构环节转为稿件处理程序的风险。

环境成本亦不可忽视。模型开发、训练与推理均涉及能源、水和计算资源消耗，应区分前期训练投入与日常调用成本，不能将每次使用等同于重新训练。随着稿件、审稿人及评审轮次增加，AI辅助出版的累计资源负担值得关注。数字化是否减少传统资源消耗，还是将其转移至数据中心，需要整体评估。科学可持续性既关乎发表什么，也关乎如何评价、重复评价多少次，以及评价过程产生怎样的物质足迹。

模型从既有文献中学习，还可能偏好使用频率较高的工具，从而不利于新评价框架。优化提示词并不足以保证评价可靠。相关研究探索让经过训练的模型作为共同专家参与方法评价，显示人机协同具有潜力，但确保判断的客观性与实践适切性，仍离不开专业人员。

因此，较为可靠的路径是将专家知识与AI的信息组织、综合能力结合，并明确AI辅助评价的操作规范。“智能指标”所设想的动态、自适应评价框架仍主要处于概念探索阶段，不宜被视为成熟方案。

在此基础上，本文提出“元评价”：不仅用指标评价分析方法，还应评价指标应用过程的质量、透明度和适切性。评审报告是否需要提交前质量检查，指标选择是否合理，判断是否有据，以及是否存在借推荐指标增加自引的动机，都应进入审视范围。AI用于论文写作和评审的环境影响，也值得纳入评价。

仅靠禁令与行为准则不足以回应上述挑战。出版界应推动规则协调，形成透明、适用的AI使用框架。在这种背景下，《ChatGPT、生成式人工智能与自然语言大模型的负责任报告与使用指南（CANGARU）》倡议尝试通过技术梳理、指南分析和德尔菲共识形成共同建议。同时，应培养研究人员理解AI能力边界、核查输出并承担责任的能力。

在未来流程中，AI可能承担格式、内部一致性、引文模式和方法一致性等初步筛查，将专家注意力集中于需要深入判断的稿件。然而，筛选标准与预测性评分可能产生虚假的客观感，奖励可预测的研究而排斥突破既有路径的工作。

评审系统还面临被操纵的风险。已有作者通过稿件中的隐藏信息影响模型评价，即“提示注入”。其效果取决于模型、设置及工作流程，但已说明自动化筛选本身需要监督。作者借助AI撰写回复，也可能使审稿与回应逐渐成为模板之间的往复，削弱真实对话。

编辑和出版机构应承担治理的核心责任。其掌握的历史评审报告可用于分析文本相似性、重复结构及异常模式，但自动化分析必须与编辑、编委的情境判断结合，区分合理相似与问题行为。作者申诉和公开评审研究具有价值，却无法替代对大量非公开评审的系统性质量管理。

改善评审还需要合理时限、更广泛的审稿人队伍，以及对认真评审的切实认可。技术应用应服务于这些制度目标，使有限的人力与计算资源真正用于提升研究质量。

本文旨在反思人工智能工具在同行评议中的应用如何从边缘性实践转变为日常编辑工作的一部分。这一转变往往受到时间压力、审稿人短缺，以及对审慎评价缺乏充分激励或实质性认可等因素的推动。分析表明，速度、可见度和流程效率有时被置于科学卓越性与创新性之上，这在一定程度上解释了低质量研究成果为何能够进入科学文献体系。尽管当前的讨论与媒体关注主要集中于作者在论文撰写中使用人工智能工具的问题，但本研究强调，人工智能在评审过程中的作用同样重要，不容忽视。

人工智能工具可以为特定任务提供有限的支持，但不加批判地使用这些工具，可能导致评审流于表面、人的判断与贡献受到削弱、作者遭受情感伤害，以及地区和机构之间的不平等进一步加剧。如果不强化编辑责任、提高透明度并采取集体行动，自动化以及对人类知识的结构性工具化利用，可能会强化甚至恶化现有问题，而非预防和解决这些问题。

人工智能工具不应取代同行评审中的认真阅读、责任担当和人工投入。科学出版未来的质量与可持续性，不仅取决于研究成果如何撰写，也取决于其如何接受评价，以及我们是否致力于践行更负责任、更具环境意识的评价方式。

(全文及参考文献见Green Analytical Chemistry 2026 年6月第17卷，原文链接：https://doi.org/10.1016/j.greeac.2026.100349，本期推文为节选摘编，略有删减和编辑。)

本期策划 | 复旦大学国家智能评价与治理实验基地

供稿 | 金潇苒 王译晗

本期责编 | 金潇苒

基地官网：https://statevalbase.fudan.edu.cn

·end·