哈佛研究134组对比AI审稿全胜 人类专家盲评26次选AI

哈佛大学10月22日发布研究《AI审稿意见全面胜过高水平人类同行评审》，系统比较134组真实论文的审稿意见。研究选取124篇论文及对应134份由专业服务rapidPeer提供的高质量人类审稿意见——74位审稿人中88%获作者评为“高质量”，60%给出最高分，代表行业顶尖水平。研究人员使用Anthropic Claude Opus 4.8生成AI意见，并设两轮盲评：首轮由GPT-5.5评判，134组全部判定AI胜出；次轮邀请三位曾任重要期刊主编的学者人工盲评30次，26次选择AI意见。AI在“补充参考文献”“发现论文弱点”“研究方法评估”三项实现100%胜率，其余维度均超90%，仅“图表与数据呈现”达95%。事实核查显示，AI引用的651条文献全部真实，其事实错误率5.5%远低于人类的15.9%。研究指出AI优势源于高强度推理与持续检索能力（平均每篇执行12.4次联网检索），但亦存在过度严谨问题。该成果发布正值数学界对AI产出争议加剧之际，陶哲轩等学者强调“解题不等于理解”，而哈佛研究揭示AI已介入评审本身。作者建议期刊可由AI承担初筛与深度审阅，人类编辑保留最终决策权。目前Nature Portfolio与Elsevier已开展AI辅助试点，学界趋向“人机协同”路径：AI处理逻辑核查与方法复现，人类聚焦创新判断与学术价值引导。