登录
10月28日，一位作者在小红书晒出一份返修意见：一个审稿人提了109条，按行提。 她算了一下，回复的工作量不亚于重写一篇论文。更让她哭笑不得的是，投稿前她已经让AI审过一遍、改过一轮。小红书
评论区里，有人教她怎么用AI写回复，有人说自己“简直被AI审稿折磨得生不如死”。这不是孤例。有第三方统计了ICLR 2026的75800篇论文：21%的审稿意见完全由AI生成，完全由人写的只有43%。 《前沿》2025年12月的调查覆盖111个国家的约1600名学者，超过一半在审稿时用过AI。 今年10月，施普林格·自然和DeepMind合作，共同开发一款AI同行评审辅助工具。小红书微博中国新闻网
于是问题来了：AI写审稿意见越来越多，普通作者会不会更容易被不公平对待？
会。原因不是AI偏心。
先得承认一件事：AI审稿可能真的比人审得好。哈佛的Gary King和Steven Worthington在10月25日挂出一篇工作论文，拿124篇论文做对照。人类这边是付费请来的外校专家，被要求通读全文、写满一两页；AI这边是Claude Opus 4.8。三位前主编盲选30次，26次选了AI。 逐句对原稿，人类审稿人说错15.9%，AI只说错5.5%；联网版AI引用的651个文献编号全部真实。小红书微博
所以，“AI审稿=劣质审稿”这个判断容易被事实打脸。如果只看论文文本，AI甚至可能比人更公平：它不知道你来自哪所学校，也不在乎你导师是谁。
但“更好的审稿”和“更公平的审稿”是两件事。
哈佛那篇论文的作者自己也意识到了这一点。他们提出的方案是：期刊公开一套官方AI审稿提示词，让作者投稿前先跑几轮，投稿时附上AI审稿报告和作者回应信；作者有权反驳AI。理由很实际：AI有时会变得过度死板，比如承认2+2=4，但非要挑刺说你没在正文里定义“加号”。小红书
这套方案听起来合理，但它把审稿的一部分工作正式交给了作者。审稿人让AI生成一份意见，作者要写一封回应信；AI提上百条，作者要逐条解释为什么改、为什么不改。审稿人的边际成本趋近于零，作者的边际成本没有。
一位知乎用户算过账：AI出来以前，审稿人认真看一篇稿子要半天，提三五条算多；现在把稿子扔给AI，一分钟能出10条。十条意见，不改实验也要花20个小时回复。 回复完，审稿人再把回复扔给AI，下一轮又来了。知乎
这还没算必须补的实验。小红书上一位作者说，审稿人把XPS里每一个元素、XRD、红外都质疑了一遍；另一位说，三个审稿人里有一个提了12条，条条让补实验，“补完我的文章更累赘了”。小红书
这些成本不是均摊的。有实验室、有经费、有博士后的课题组，可以补；一个没有课题、没有基金的普通讲师，或者一个导师放养的博士生，只能熬夜。更难办的是申诉。小红书上有人写，改到第四轮，“最后气的我老师写了一封慷慨激昂的邮件”。 一封能让编辑重新看稿的邮件，本身就是一种资源。没有导师、没有师门、没有名气的作者，连这封信该写给谁都不知道。小红书
AI还制造了新的信息差。2025年《日本经济新闻》调查发现，至少8个国家的14所顶尖高校在论文里藏过只有AI能读到的“只给好评”指令。 有人还在知乎总结出一套“面向AI写作”的打法：先用AI预审拿到问题清单，做表面修复，再用过度承诺盖住真正的弱点，最后让AI在摘要和结论里给出高评价。 普通作者未必知道，知道了也未必有时间练。微博知乎
审稿人那边也一样。一位知乎用户说：“想拒想过完全可以暗示AI给出带倾向的问题”。 AI不会替你背锅，但它可以让预设立场看起来像客观判断。知乎
老问题也没有消失。在AI之前，普通作者投稿就难。C刊版面长期被约稿占据，名校、名导师、名团队本身就是通行证。 AI没有动这块蛋糕，它只是在上面又加了一道筛子。知乎
不过，AI本身不决定公平。Frontiers首席执行总编范洺菘提过一个方向：用AI自动隐去作者身份，实时分析审稿意见是否聚焦于内容而非资历，“让青年学者的创新不被盲目的偏见遮蔽”。 同样的工具，可以把评审往公平推，也可以把成本往作者身上推。中国新闻网
回到那个问题。AI写审稿意见变多，普通作者会不会更容易被不公平对待？会。不是因为它认出了谁没有背景，而是因为AI让“读论文”这一环看起来更客观了，却把“改论文”和“申诉”这两环变得更贵了。审稿人一分钟能生成十条，作者要花20个小时证明自己；能补实验、能给编辑写信的人，先过河。剩下的人站在岸边，手里拿着一份看起来很客观、很专业、挑不出毛病的审稿意见。
要改变这一点，不需要等AI变得更聪明。期刊把规则写清楚就行：AI可以提意见，但审稿人必须核实；意见可以多，但作者有权反驳；评审可以快，但不能把成本全推给投稿的人。否则，AI审稿越“客观”，普通作者越难证明自己。
