一项科研申请经过专家评审，研究问题有价值，研究方案也有可行性，评审专家认为它值得资助。但问题来了：如果还有另外十份申请，质量与它相差无几，而资助经费只能支持其中两三项，评审专家应该如何决定？
科研资助长期依赖同行评审，由专家阅读申请、评价研究价值，再根据评分和讨论结果排出优先级。这套机制有其必要性，但它也面临一个现实难题：当多份申请都达到较高水平时，评审意见中的细微差别，未必足以证明某一项研究就一定优于另一项。
澳大利亚研究委员会（Australian Research Council，ARC）推出的 Explore 资助计划，正是试图在这一问题上寻找新的解决办法。它没有取消同行评审，也不是让所有申请人直接参加抽签，而是将专家判断与随机分配结合起来：评审专家先判断申请是否具有资助竞争力，再对符合条件、但难以明确区分优劣的一部分申请进行加权随机选择。
这项安排的意义，不在于让科研资助变成碰运气，而在于重新划定专家判断的边界。
ARC 的新机制究竟如何运作？
Explore 是 ARC 新一轮国家竞争性资助计划（National Competitive Grants Program，NCGP）改革中率先推出的项目，目标是支持具有高风险、高回报特征的探索性研究。这类项目可能挑战现有理论、尝试新方法，或者探索尚未形成成熟研究路径的问题。
根据 ARC 于2026年9月公布的计划信息，Explore 预计于2027年3月开放申请，项目期限最长三年，资助额度为每年5万至40万澳元。
该计划的评审采用三个主要维度：研究想法、创新性及潜在收益占60%；研究方案、方法、风险管理、合作安排及经费价值占20%；研究者或团队的专业能力、经验和执行能力占20%。这意味着，评审不只看申请人能否完成项目，也会重点判断这个想法是否值得冒险投入资源。
完成同行评审后，申请将被划分为三个竞争力类别。
高度竞争力（Highly competitive）
评审认为申请具有较强优势，优先获得资助。
竞争力中等（Competitive）
申请已达到相应的竞争力标准；如果优先资助后仍有经费可用，可通过加权随机机制决定资助对象，并由独立的程序合规顾问监督。
不具竞争力（Not competitive）
未达到资助竞争力标准，不进入随机选择环节。
机制说明依据 ARC 已公布的 Explore 计划信息。具体实施仍应以最终适用的资助指南及后续通知为准。
这里有两个细节值得分清。
第一，抽签不是同行评审的替代品。评审仍然负责识别研究质量、判断方案可行性，并排除不具竞争力的申请。随机机制只在完成这道筛选后发挥作用。
第二，这也不是所有进入抽签的申请都具有完全相同的中签概率。ARC 使用的是加权随机选择，而不是简单地把所有申请放进一个不区分权重的抽签池。具体权重如何设置，应以最终操作规则为准，不能仅凭现有说明推断。
因此，更准确地说，Explore 采用的是一种有条件的部分随机资助机制：专家决定哪些研究值得进入候选范围，随机程序再参与解决其中一部分难以明确排序的竞争。
同行评审的问题，可能不在于专家不够专业
讨论抽签机制，不能简单地把同行评审理解成一套失灵的制度。同行评审仍然是识别研究质量、判断科学价值和发现明显缺陷的重要工具。真正的问题在于，它能否精确到足以对所有高质量申请进行可靠排序。
设想两份申请。A 项目建立在成熟理论之上，研究路径清楚，预期结果比较明确；B 项目则尝试一种尚未得到充分验证的方法，潜在突破更大，但失败风险也更高。两项研究可能都有价值，只是不同评审专家对创新性、可行性和潜在回报的权重不同，最终给出的评分也可能不同。
这并不一定意味着有人评错了。科研评价中存在大量需要专业判断的内容，而专业判断本身就有不确定性。
一项2023年发表于 Research Evaluation 的系统性研究梳理指出，科研资助抽签并非单一模式，也不意味着抛弃同行评审。不同方案在筛选门槛、是否优先资助部分申请、以及随机选择的具体范围等方面存在明显差异。
这一区分很重要。如果两份申请在研究质量上确实存在明显差距，随机选择显然没有必要；但如果专家只能在多个各有优势的项目之间做出细微排序，那么多打几分、再开一轮讨论，是否真的能提高决策准确性，就需要认真检验。
评分更精细，不等于判断更准确。
评审分数通常呈现出一定的数值精度，但这不意味着它具有同等程度的测量精度。假如两份申请分别得到91分和89分，不能直接推断前者的科学价值高出后者某个确定比例。评分差异可能来自研究设计，也可能来自专家对风险的容忍程度、对某一研究方向的熟悉程度，甚至是对同一段文字的不同理解。
随机机制的价值，恰恰在于不再把所有这些微小差异都强行解释成确定的质量差距。
随机选择能减少偏差，但不能自动消除偏差
同行评审可能受到多种因素影响，包括研究领域的主流观点、评审者熟悉的理论和方法、对研究者既往成果的判断，以及对创新风险的不同偏好。
这些因素未必构成有意的不当行为。更常见的情况是，评审者依据自己的专业经验做出合理判断，但不同专家的经验结构不同，最终结果也就可能出现差异。
随机选择可以减少其中一部分问题：一旦申请进入预先规定的抽签范围，最终结果便不再完全取决于专家对这些申请的细微排序。它也能降低评审者通过调整边缘申请的评分来影响最终结果的空间。
但不能因此认为，抽签就能消除所有偏差。
如果前期筛选本身存在系统性误差，某些研究方向更容易被认定为具有竞争力，那么随机选择只会在这个既定范围内发挥作用。它无法挽回在进入抽签前就被排除的好项目，也无法弥补评审标准对某类创新方法的不适应。
因此，真正需要检验的不是“随机是否比专家更客观”，而是两个更具体的问题：前期评审能否可靠地识别值得资助的研究？进入随机池之后，继续进行精细排序是否还能提供足够多的有效信息？
这也解释了为什么抽签机制必须保留严格的质量门槛，并且需要明确的操作规则、可审计的随机程序和独立监督。ARC 已公布的方案包含独立的程序合规监督安排，并表示将监测和评估实施结果。
申请成本：少花时间争取微小的评分优势
科研申请的成本，远不只是提交表格所花的几个小时。
一份竞争激烈的申请往往需要反复修改研究背景、技术路线、创新性论证、风险控制和预期成果。研究团队还可能需要协调合作者、联系研究机构、获取支持文件，并投入大量时间揣摩评审标准。
当资助成功率较低时，申请人很容易把越来越多的精力放在如何让方案显得稳妥、完整、无可挑剔上。问题是，这些投入未必能相应提高研究本身的质量。
如果最终决定资助与否的关键，是两份同样优秀的申请之间几个难以解释的评分差异，那么进一步润色申请书、增加论证层次，甚至反复调整措辞，可能只是在争取一个并不稳定的优势。
新西兰卫生研究委员会（Health Research Council of New Zealand，HRC）的 Explorer Grants 为观察这一机制提供了一个案例。该项目对达到资助标准的申请进行随机排序，并在资金耗尽时停止资助。研究者对2013—2019年申请人的调查发现，在126名受访者中，63%支持将抽签用于这一探索性资助项目，25%反对；对其他类型资助采用随机机制的支持度则较低，赞成比例为40%。大多数受访者表示，抽签机制没有改变他们准备申请所花费的时间。
这组结果值得谨慎解读。调查回应率为39%，受访者对抽签的态度也可能受到是否获资助的影响，因此不能据此断言随机机制一定会降低申请成本。
更合理的推论是，抽签不一定会让研究者少写申请，但它可能减少对边缘评分差异的过度投入。 如果资助机构希望进一步降低成本，还需要配合简化申请材料、缩短评审流程等措施，而不能只依靠改变最终分配方式。
对于高风险研究，随机机制可能改变申请人的策略
Explore 计划的定位尤其值得关注，因为探索性研究与常规研究存在一个重要差异：创新程度越高，研究结果往往越难预测。
一项沿着成熟路径推进的研究，可能具有清楚的技术路线和相对明确的预期成果。另一项试图建立新方法或挑战现有认识的研究，可能有很大的潜在回报，但前期证据不足，成功概率也难以估计。
在传统评审中，申请人可能担心研究方案过于激进会被认为不可行，于是倾向于强调已有证据、降低目标的不确定性，甚至把真正具有突破性的部分写得更保守。
如果资助机会取决于能否在专家评分中胜过其他申请，那么这种策略并不难理解。研究者不仅要证明自己的想法值得尝试，还要尽可能消除评审者可能提出的疑虑。
随机机制可能改变这一激励结构。只要项目达到明确的竞争力标准，申请人就不必把全部精力都放在争取微小的排序优势上。对于探索性研究而言，这可能使团队更愿意提出大胆假设、尝试不成熟的方法，或者探索暂时缺乏主流证据支持的研究方向。
当然，这仍然是一种有待验证的可能性，而不是已经确定的效果。
如果研究者认为进入抽签池的概率很低，或者资助机构仍然高度重视短期成果，那么他们未必会因此改变研究策略。反过来，如果抽签范围、资助标准和结果解释足够清晰，随机机制就可能成为支持高风险研究的一种制度安排。
新西兰和德国已有相关实践。HRC 的 Explorer Grants 面向具有变革潜力的探索性研究；德国大众汽车基金会（Volkswagen Foundation）的 Experiment! 项目，则曾在不同评选轮次中比较专家选择与随机分配的做法。它们的具体设计并不相同，但都说明随机机制可以与明确的研究目标和前期质量筛选结合使用。
最有研究价值的一点：抽签可以帮助测量资助究竟产生了什么效果
随机资助机制还有一个容易被忽略的用途：它能为研究资助效果的因果评估创造更好的条件。
通常，研究人员获得资助后，资助机构会统计论文数量、引用次数、专利、技术转化等指标，再据此评估项目成效。但这里存在一个基本的因果推断难题：获得资助的研究者，本来就可能比未获资助者更有经验、团队更成熟，或者研究想法更有潜力。
因此，即使资助获得者后来发表了更多论文，也不能简单地认为这些成果完全由资助造成。研究者原有的能力、研究方向和机构条件，都可能影响最终结果。
如果一组质量相近的申请经过随机分配，一部分获得资助，另一部分没有获得资助，两组之间的差异就更有可能帮助研究人员估计资助的实际影响。
举个例子，研究者可以在几年后比较两组申请人在论文产出、引用表现、后续经费、专利申请和研究方向拓展等方面的变化。由于资助分配采用随机机制，在满足适当统计假设、妥善处理失访和后续资助等问题的前提下，研究人员能够更有把握地估计资助带来的平均效果。
需要说明的是，这并不意味着获资助组与未获资助组在所有后续条件下都必然完全相同。未获资助者可能从其他渠道取得经费，获资助者也可能改变研究计划。因此，评估时仍需要记录这些情况，并明确分析的是获得资助机会的影响，还是实际获得资助的影响。
新西兰的相关研究已经展示了这种思路的价值。Adrian Barnett、Philip Clarke 等研究者利用该国探索性资助的随机分配机制，开展了有关研究资助与科研产出关系的研究。与单纯比较获资助者和未获资助者相比，这种设计为因果推断提供了更有力的基础。
这也是 ARC Explore 值得持续观察的原因之一。如果资助机构能够系统追踪抽签池中获资助与未获资助的申请，并在后续研究中合理利用这些数据，就有机会回答一个比“评审是否选对了项目”更重要的问题：对于已经达到资助标准的研究，投入这笔经费究竟带来了多少额外的科研产出？
这类证据不仅可以帮助改进 Explore，也可能为其他资助项目的设计提供参考。
让专家判断停在它能够可靠发挥作用的地方
ARC Explore 引入有条件抽签，提出了一个值得科研资助机构认真思考的问题：同行评审是否需要对每一份合格申请都给出精确的优先级？
在高风险、高回报的探索性研究中，答案未必是肯定的。专家判断仍然不可或缺，但当多个项目都达到资助标准、彼此之间又难以可靠地区分时，继续追求细微的评分优势，可能并不会带来同等程度的决策改善。
随机机制并不能保证选出的项目一定成功，也无法消除前期评审中的所有偏差。它的意义在于，将专业判断用于识别值得投入资源的研究，再用透明、可检验的随机程序处理部分难以区分的申请。
更重要的是，这种设计有可能让科研资助从单纯的项目筛选，进一步走向对资助效果的严谨评估。
Explore 预计于2027年3月开放申请，实际效果仍有待后续数据检验。
如果未来的评估发现，这种机制既能维持研究质量，又能降低不必要的评审成本，并为探索性研究提供更好的发展空间，那么它的价值就不只是改变了谁获得经费，还在于帮助科研资助体系更清楚地理解自己的决策究竟产生了什么影响。
