Nature:如何借助AI高效完成学术论文同行评审

编辑 | matrix

许多研究人员都有这样的体验：接受审稿邀请往往意味着一整天的时间被占用。他们花费数小时标注手稿，却发现自己需要更多时间来消化内容才能提供连贯的反馈。

因此，不少学者开始婉拒审稿邀请，以保护自己宝贵的时间和精力。

然而，科学本质上是一项共同体事业。众所周知，许多期刊编辑正在努力寻找能够在紧迫期限内提供高质量反馈的合格审稿人。当最具专业知识的人不断拒绝编辑的请求时，科学进步也将受到影响。

为了深入了解这一现象，研究者Dritjon Gruda在社交媒体上进行了一项非正式调查。他在 1 月份的 Facebook 和 LinkedIn 上发布帖子，询问学术同行花费多少时间审阅论文。

近 900 名学者做出回应，超过 40% 表示他们通常在单次审稿上花费 2 至 4 小时，超过 25% 表示他们花费 4 小时以上，而令人惊讶的是，14% 的人承认他们投入远超 4 小时——有时甚至是整整 8 小时甚至更多。一些受访者对这些数字感到震惊，特别是考虑到作者在试图理解反馈时，审稿人的评论有时显得支离破碎或肤浅。

那么，是否存在一种更高效的论文审阅方法——既不损害质量和流程的完整性？多年来，研究者们逐渐完善了一种方法，帮助他们大幅减少每次审稿所花费的时间，同时仍能提供全面、建设性的评论。

高效审稿的三步法

高效的审稿过程可以分解为三个简单步骤：

1、快速浏览：迅速浏览摘要、引言、方法和结果部分，关注整体情况。如果分析看起来可靠，继续阅读论文的其余部分。然而，如果发现明显缺陷，这可能是一篇需要拒绝的论文——无需逐行编辑整个手稿。

2、口述记录：使用文本编辑工具中的听写功能（例如，Windows 中的 Voice Access 或 Mac 上的 Voice Control）捕捉阅读过程中的实时想法。这样，审稿人可以避免潦草记笔记或之后需要回忆并打字反馈的麻烦——这是一个重要的节省时间的方法。

3、内容优化：将口述笔记输入离线大型语言模型（LLM）以明确和组织反馈。一个简单的提示如「根据以下笔记撰写批判性审稿信。保持专业语调」就足够了。不会编程也没关系，像 GPT4ALL 这样的工具允许在本地离线加载和运行 LLM，因此无需将敏感手稿上传到云端。在涉及未发表研究时，保密性是不可商量的，外部上传内容可能引发伦理甚至法律问题。

离线 LLM 的使用

当保密性至关重要时，使用像 GPT4ALL 这样的离线「无需编码」设置是保护敏感或未发表工作的明智之选。使用方法如下：

1、安装 GPT4ALL（适用于 Windows、macOS 和 Ubuntu Linux）。

2、选择合适的大型语言模型。打开 GPT4ALL，点击左侧面板中的「Models」并下载合适的 LLM。在输出质量和硬件需求之间寻求平衡。

3、开始对话。点击「Chats」开始对话，在短暂加载模型后，便可以看到聊天式界面，可以在其中键入或粘贴文本和笔记。

需要明确的是：LLM 不是用来替你完成整个审稿的。虽然 1 月份发表在 arXiv 预印本服务器上的调查数据表明，自动化学术论文评审（ASPR）可以帮助加速评估并改进结构，但 ASPR 工具在专业领域知识、偏见和数据安全问题方面仍然存在挑战。

相关链接：https://arxiv.org/abs/2501.10326

相反，应该使用 LLM 来发现冗余、改进措辞并组织建议。审稿人必须对论文的方法论、发现和对该领域的整体贡献做出最终判断。

通过这个过程，审稿人应该能得到一组结构化的、按部分划分的评论，可以迅速整理成一份连贯的审稿报告。但在开始之前，一定要检查出版商关于生成式人工智能（AI）的政策。

有些出版商允许审稿人使用生成式 AI 工具整理书面反馈，但将手稿或审稿文本上传到云端通常是绝对禁止的——保密性至关重要。在本地离线运行 LLM 可以使审稿人遵守政策限制并保护作者的匿名性。

成效与启示

这种工作流程帮助许多研究者节省了大量时间：以前他们可能花半天时间审阅一份手稿，现在如果论文方法合理，30-40 分钟就足够了。如果存在严重缺陷，速度甚至更快——因为没有必要完善一篇不可发表的论文。

实时口述评论迫使审稿人「讲解」论文而不是草草记笔记，并立即表达批评，这往往会揭示否则会被忽略的逻辑漏洞。它还能加深对论文的参与度，产生更清晰、更有针对性的反馈。

这个过程也强化了对审稿人职责的理解。审稿人的工作既不是重写论文，也不是修正每一个拼写错误；而是评估研究是否推动了该领域的发展。如果一项研究存在根本性缺陷，应该直接指出，而不是陷入冗长的评审中。

作为学者，大家需要平衡教学、申请资助、研究等多种责任。随着投稿数量增加，无法负担在单次手稿审阅上花费数天时间。

但放弃也并非解决之道。通过聚焦论文最重要部分，并将高效记笔记与 AI 的语言能力相结合，可以为作者提供所需反馈，同时不使自己精疲力竭。这不仅减轻了认知负担，也维护了评审生态系统的健康，因为经验丰富的审稿人仍然留在这个领域。

同行评审仍然是科学进步的基石，但它不需要消耗审稿人过多的精力。

原文链接：https://www.nature.com/articles/d41586-025-00526-0