哈佛研究：AI审稿在多项指标上全面超越人类专家，学术期刊模式或面临重构
2026/10/24 14:11阅读量 3
哈佛大学10月22日发布的最新研究显示，在134组对比实验中，AI生成的审稿意见在事实准确性、文献补充及弱点发现等维度全面胜过高水平人类同行评审。三位前期刊主编的盲评中，26次认为AI更优；AI的事实错误率仅为5.5%，远低于人类的15.9%。这一结果引发学界对传统审稿流程的重估，部分学者建议由AI承担主要审查工作，人类编辑负责终审。
事件概述
2026年10月22日，哈佛大学两位研究人员发表题为《AI审稿意见全面胜过高水平人类同行评审》的论文。该研究通过大规模对比实验，证实了人工智能在学术审稿任务中的卓越表现，挑战了传统的人类主导同行评审机制。
核心数据与发现
- 全面胜出：在134组AI与人类审稿意见的对比中，使用OpenAI的GPT-5.5作为评委，全部判定AI获胜。即使在不联网的情况下，AI也保持全胜；而在优化提示词并开放联网后，134组中有132组明确判AI胜，剩余两组为不确定，人类未获任何胜利。
- 盲评验证：研究邀请三位曾担任重要学术期刊主编的专家进行盲评。在30次比较中，有26次评委认为AI的审稿意见质量更高。
- 准确性对比：在接受核查的具体论断中，AI审稿意见的事实错误率为5.5%，而人类审稿人高达15.9%。
- 具体维度优势：在补充参考文献、发现论文弱点和研究方法三个关键维度上，AI胜率达到100%；在理论创新、论述框架和表达质量方面，胜率均超过90%。
- 引用真实性：研究人员核查了AI引用的651个带有DOI或arXiv编号的参考文献，确认全部真实存在，无编造现象。
AI制胜关键：高频联网与不知疲倦
- 联网搜索能力：AI平均每审一篇论文进行12.4次联网搜索。数据显示，不联网时AI在补充参考文献方面的胜率为62%，而开放联网后胜率提升至100%。
- 持续专注力：相比人类审稿人可能存在的疲劳或主观偏见，AI能够全程保持高推理强度（如使用Anthropic的Claude Opus 4.8），仔细检查数据、图表及论证逻辑。
- 潜在缺陷：AI有时会出现过度挑错的情况，例如指出作者未定义基础符号（如加号），显示出其在语境理解上的机械性局限。
行业影响与争议
- 审稿模式重构讨论：斯坦福大学政治学副教授徐轶青等学者提出，学术界应重新考虑人类专家的角色。建议取消常规的人类长篇审稿，转而由AI承担大部分初步审查工作，人类编辑仅负责最终决定或介入复杂情况。
- 数学界的冲突背景：尽管该研究主要针对社会科学论文，但其发布时机恰逢数学界与AI公司的紧张关系加剧期。此前，包括陶哲轩在内的25位菲尔兹奖得主联名批评AI急于宣布数学突破，强调严谨验证的重要性；“人类数学协会”（AHM）甚至禁止成员发表AI生成的数学内容及审稿报告。哈佛的研究结果表明，AI在通用学术审查领域的能力已显著超越人类，这可能进一步加剧学科间对AI角色的认知差异。
- 历史对比：今年4月，《Organization Science》曾发布研究指出早期AI审稿意见质量较低且狭窄，但不到半年，哈佛的研究展示了AI能力的快速迭代，表明AI审稿正迅速从辅助工具向主力角色转变。