安娜·韦克斯勒是《美国生物伦理学杂志：神经科学》的副编辑。过去，低质量投稿很容易识别：文字粗糙、文献缺失。现在，送到她桌上的稿子往往语句流畅、结构清楚，参考文献也能通过AI检测。 读下去，问题才浮出来：句子像在论证，其实什么也没说；引文几乎全来自开放获取；概念之间接不上。大西洋月刊
她在《大西洋月刊》写道，AI已将这个本就存在缺陷的同行评审体系推向崩溃边缘。爱思唯尔旗下期刊2025年的投稿总量约为2024年的两倍；一项730万篇论文的研究发现，到2025年，超过一半的论文显示出使用大语言模型的迹象，而2023年这个比例是12%。大西洋月刊
这周的标题是：“AI生成论文瑕疵率超两成”。但“两成”说的并不是“AI写的论文有两成不合格”。
最接近这个数字的研究，是用GPT-5检查已发表论文：约23.8%的ICLR论文至少有一处可能影响结果解读的实质性错误。 这些是已发表的会议论文，不是AI生成的样本。AI在这里是审查者，不是作者。把审查结果当成论文属性，是两件事。量子位
另一场审计在经济学界。10月28日，Tyler Cowen在Marginal Revolution博客转发了一份匿名AI审计：两个模型双盲重算Saez与Zucman的138篇论文，再由第三个agent逐条复核，报告2,035处问题，其中147处严重到会改变核心数字，69%的论文至少有一处；在有明确方向的重大和中度错误中，97%夸大了结论。 清单出现在加州财富税公投前六天，Zucman的回应很直接：这是“对人工智能的荒唐滥用”。 他说，没有专家复核，数字就没有意义。微博知乎
但2,035处里，多少是口径差异、多少会改变结论，仍要人判断。有评论者指出，AI几乎对什么都能挑出毛病，连它自己生成的作品也不例外。
更贴近审稿人的数字来自另一项实验。10月28日，南加州大学的Ruslan Rust等人在medRxiv挂出一篇预印本：往临床试验论文里植入9个重大方法学错误，让15个大模型去审，检出53%—99%，最好的模型达到99%；2004年那场实验里，607位人类审稿人平均只找出27%。 但干净稿上模型仍会误报，最高到29%；人类基线来自二十多年前；预印本尚未同行评审。微博
这些数字指向的不是“AI论文更容易出错”，而是审稿的重心变了。
过去，审稿人靠文字、文献、论证快速筛稿。现在，这些表层信号被AI抹平了：稿子可以比大多数人写得更工整，却在关键数字上换了口径；可以列一长串文献，大多来自开放获取；可以每段语气正确，却没有一段推进论证。审稿人要从“读文章”切换到“查文章”：重算数字、回查引文、追问假设。AI能帮忙，也会制造工作——误报、把细枝末节标成重大缺陷、用流畅语言掩盖判断的缺席。
审稿人已经在用AI。Frontiers对111个国家约1600名学者的调查显示，超过一半的人在评审中使用AI。 10月28日，施普林格·自然宣布与Google DeepMind合作开发AI同行评审辅助工具，帮审稿人分析文本、图表和图像。 听起来是减负，效果还要看它把审稿人从“找问题”推向“判断问题”。微博中国新闻网
所以，研究者的审稿压力确实变大了，但原因不是“AI论文瑕疵率超两成”。变重的是三件事：稿子更多，表面更顺，责任更模糊。最好的模型能抓出99%的植入错误，却没法告诉你哪一条值得重做实验；它能几分钟列出几十条问题，也会误报。审稿人最稀缺的能力，正在从“发现问题”变成“判断轻重”。
韦克斯勒担心的正是这个。如果已经无法告诉学生“严谨的学术研究具有学术期刊能够认可的价值”，那她到底在为学生准备一个怎样的未来。大西洋月刊
这个问题，AI暂时回答不了。
