截止日期前两天，一位审稿人终于打开了那篇已经在邮箱里躺了三周的稿件。
他不是第一次遇到这种情况。白天要上课、开会、带学生，还得赶自己的项目申请。那篇论文来自一个不太熟悉的研究方向，篇幅不短，方法部分尤其难读。他知道编辑在等，也知道自己当初接受审稿邀请时，曾经郑重地承诺会在规定时间内完成评审。
于是，他打开ChatGPT，把论文的摘要、方法和结果部分复制进去，附上一句指令：请从研究创新性、实验设计、统计分析和结论可靠性等方面评估这篇论文，并提出具体的审稿意见。
几分钟后，一份结构清晰的评审意见出现了。它指出样本量论证不足，建议补充统计分析，质疑某个实验设计是否能够支持作者的因果推断，还提醒讨论部分存在过度外推。措辞礼貌，逻辑完整，甚至比他过去几次仓促写下的意见更像一位经验丰富的审稿人。
他逐条看了一遍，删掉两条不太适用的建议，补上自己对某个实验方法的理解，又让AI把语气调整得更委婉。最后，他将修改后的文本粘贴进期刊系统，点击提交。
整套操作没有花费一个下午。
真正让他感到不自在的，并不是使用了AI，而是他很难准确回答一个问题：这份审稿意见究竟有多少属于自己的判断？
他读过论文，却没有完全消化论文。他认可其中几条批评，却未必能够在编辑追问时解释每一条意见背后的证据。他确实参与了评审，但这次参与的方式，与他过去坐在电脑前逐段阅读、反复推敲的经历已经不太一样。
更尴尬的是，他并不认为自己做了什么特别的事情。他甚至知道，自己的同行里可能有人使用同样的方法。只是大家通常不会在学术会议上讨论这件事，就像很少有人会主动告诉同事，自己上周那份写得十分漂亮的基金申请摘要，有一半是由语言模型起草的。
这不是一个能够代表所有审稿人的统计样本，却是一个值得认真观察的场景。生成式AI进入同行评审之后，最先改变的未必是审稿意见的质量，而是人们完成评审、理解责任和判断自己是否真正履行职责的方式。
过去，审稿人至少需要花费一定时间，才能把自己的判断组织成一份像样的文字。现在，文字生产的门槛正在迅速降低。至于判断本身有没有同步变得更好，是另一回事。
同行评审的微妙变化，就发生在这两件事逐渐分离的地方。
一、审稿人：效率提高了，责任却没有一起变轻
审稿工作长期依赖一种不太稳定的职业伦理。
大多数审稿人没有固定报酬，却需要投入大量时间阅读论文、核查方法、评估证据，并承担指出问题的责任。审稿工作通常被视为学术共同体中的一种义务：今天你评审别人的论文，明天别人也会评审你的论文。
这套机制并不完美，但它一直依赖一个基本假设：审稿意见主要来自审稿人本人对研究的阅读和判断。
生成式AI正在让这个假设变得模糊。
需要承认，审稿人使用AI并不必然意味着敷衍。对于一位已经认真阅读论文的研究者，AI可以帮助整理意见、改善表达、检查论证是否连贯，或者提醒他注意容易遗漏的统计问题。非英语母语审稿人也可能借助AI，把原本准确但表达生硬的批评写得更加清晰。
问题在于，AI不仅能够润色已经形成的判断，还能够在审稿人尚未形成充分判断时，直接提供一套看起来完整的判断。
这两种使用方式在最终提交的文本里，未必存在明显区别。
一份审稿意见可以写得非常专业，却不意味着撰写者对论文进行了同等程度的理解。语言模型尤其擅长把零散的信息组织成符合学术惯例的段落：先肯定研究的重要性，再指出若干局限，接着提出修改建议，最后给出总体评价。对于经常处理的论文类型，它甚至能够生成相当合理的批评。
然而，合理不等于正确，符合学术规范的语气也不等于经过核实的学术判断。
例如，AI可能建议研究者增加一个实验，以验证某种机制。但如果该实验在现有技术条件下无法实现，或者已有文献早已充分回答了相关问题，这条建议就可能只是在形式上显得严谨。更隐蔽的问题是，它可能误读研究的核心假设，将领域内一个已经解决的争论重新包装成论文的主要缺陷。
如果审稿人认真核查，这些问题有机会被发现。如果审稿人本来就缺少时间，AI生成的完整结构反而可能降低他的警惕：既然每一条意见都写得有条有理，为什么还要花时间重新检查？
这里出现了一种新的效率悖论。
AI确实能够缩短写作时间，却也可能让审稿人更早停止思考。过去，写不出一条有说服力的批评，至少会迫使审稿人回头检查论文。现在，只要提出一个宽泛的问题，系统就能迅速给出几个候选答案。审稿人获得了更多意见，却未必获得了更多理解。
这还会改变审稿人对自己工作的心理评价。
一份耗费数小时写成的评审意见，容易让人觉得自己完成了一项艰苦的专业劳动。一份经过十分钟整理、措辞流畅的意见，则可能让人产生另一种感觉：既然任务完成得这么快，是否意味着这项工作本来就不需要那么多时间？
但同行评审的报酬、学术认可和职业评价，并没有因为AI而自动重新计算。审稿人仍然需要承担专业责任，编辑仍然可能根据他的意见拒稿，作者仍然可能据此耗费数月补做实验。
写作时间减少了，判断失误的后果却没有按比例缩小。
更现实的情况是，审稿人可能逐渐形成一套新的工作分工：自己负责决定是否接受邀请、浏览论文、确认AI提出的主要问题，再由AI承担大部分意见组织工作。这个过程未必完全不合理，但它悄悄改变了“审稿人完成了评审”这句话的含义。
当一个人只需要对AI提供的意见进行有限筛选，就能交出一份看起来成熟的评审报告时，同行评审实际上已经从一种以个人判断为中心的工作，部分转向了以个人监督自动化文本为中心的工作。
而期刊系统里那个“Submit Review”按钮，并没有因此改变。
二、作者：最令人疲惫的不是AI写的，而是它写得像那么回事
设想另一种场景。
一位博士生收到审稿意见。审稿人没有明显的敌意，措辞也很客气，甚至逐条指出了论文的不足。问题是，这些意见读起来有一种奇怪的熟悉感。
“作者应进一步阐明本研究的创新性。”
“建议补充更多实验，以支持所提出的机制。”
“讨论部分应更充分地联系现有文献，并避免过度推断。”
每一条都没有明显错误，但每一条似乎都可以放进另一篇论文的审稿报告里。
作者开始怀疑，审稿人究竟有没有认真读过自己的文章。
这种感受并非来自某个特定词语，而是来自意见与论文之间缺少足够具体的联系。审稿人似乎知道一篇论文通常应该具备什么，却没有准确指出这篇论文为什么不符合要求。
当然，不能因为一份意见结构整齐、措辞标准，就认定它由AI生成。经验丰富的审稿人同样会使用类似表达，AI写作检测器也无法可靠地解决这种归因问题。真正值得关注的，是另一种变化：审稿意见越来越容易达到形式上的专业标准，而作者越来越难从文字本身判断，评审者究竟投入了多少独立思考。
对作者而言，这并不只是审美问题。
如果审稿人要求补充实验，作者需要安排仪器、协调人员、重新分析数据，甚至耗费几个月。假如这项要求源于审稿人对方法的误解，那么一段看起来无可挑剔的文字，实际上可能把成本转嫁给作者。
更麻烦的是，AI生成的批评有时并非完全错误，而是只对了一半。
例如，审稿人指出研究缺少对照组。这可能确实是一个问题，但论文采用的研究设计或许有明确理由不设置该对照。作者需要在回复信里解释设计逻辑，引用方法学文献，甚至重新组织整段论证。
当类似问题连续出现时，作者面对的就不是一位难以沟通的审稿人，而是一种很难定位的判断缺陷：意见听起来合理，逐条回应也并不困难，但每次回应都在消耗本可以用于研究本身的时间。
这也改变了作者对同行评审的信任方式。
过去，作者可能会把审稿人的专业措辞视为其领域经验的某种体现。现在，即使收到一份详尽的报告，也需要区分三个问题：这些意见是否写得清楚，是否符合论文的实际情况，以及提出这些意见的人是否真正理解了研究。
三个问题不再能够自然地画上等号。
尤其对于早期研究者，这种不确定性更难处理。资深学者可能很快看出某条建议与本领域的惯例不符；博士生却可能把它当作权威判断，认真执行一项并不必要的修改。
于是，一种颇具讽刺意味的局面出现了：作者使用AI提高论文的语言质量，审稿人使用AI提高评审意见的语言质量，双方的文字都更加流畅，彼此理解研究的程度却未必有所提高。
这场交流看上去越来越专业，真正需要沟通的科学问题反而可能被埋得更深。
三、编辑：他们并非不知道，只是在重新计算风险
期刊编辑处于一个更微妙的位置。
他们需要处理大量投稿，寻找合适的审稿人，催促逾期报告，还要在意见相互矛盾时作出决定。任何能够提高流程效率的工具，都很容易引起他们的兴趣。
事实上，出版机构已经公开承认，AI正在进入编辑工作流程。
以Elsevier公布的政策为例，其编辑系统中的AI工具可以协助寻找合适的审稿人、匹配稿件与期刊范围，以及识别重复投稿；相关出版流程也使用AI辅助技术检查稿件完整性和投稿规范。与此同时，该出版商明确要求审稿人不得将保密稿件上传至不符合要求的AI工具，并强调评审报告中的科学判断仍由审稿人负责。
这说明，现实并不是期刊简单地拒绝AI，而是出版商正在区分哪些环节可以自动化，哪些责任仍必须由人承担。
初筛尤其容易理解。
一篇稿件是否缺少必需文件、是否超出期刊范围、参考文献格式是否异常，这些问题有明确的检查对象。AI可以协助完成部分任务，编辑再处理例外情况。这里的自动化通常不会直接取代科学判断，而是减少重复劳动。
但当工具开始参与判断稿件是否具有创新性、结果是否可信，情况就不同了。
编辑可能会面对这样一份初筛报告：研究创新性有限，方法描述不充分，结论与数据之间存在潜在的不一致。报告条理清楚，处理速度很快，甚至比忙碌的编辑更容易列出问题。
真正的风险不是编辑完全相信AI，而是AI提供的判断会改变编辑注意什么。
一份初筛报告如果把某个问题标记为高风险，编辑就更可能关注它；如果某种研究设计被系统反复识别为常见缺陷，采用该设计的稿件可能更频繁地遭遇质疑。即使最终决定仍由编辑作出，自动化工具也已经影响了决定形成的过程。
这种影响很难在最终的拒稿信中被看见。
编辑不会写：“本稿未进入外审，因为系统生成的建议使我优先注意到了某个问题。”他们通常只会给出一份经过编辑、符合期刊风格的决定信。
作者看到的是一个机构作出的决定，却未必知道这个决定经过了怎样的人机协作。
所谓“编辑选择沉默”，不应被理解为所有编辑都在有意掩盖AI使用。更准确地说，许多机构仍处于规则快速形成、实际操作不断变化的阶段，不同出版社、期刊和编辑的做法也不完全一致。公开政策往往先明确保密、责任和允许用途，至于具体工作中AI究竟参与了多少判断，则未必能从一封编辑决定信中得知。
《Nature》的审稿人政策明确要求，不得将稿件上传至生成式AI工具；Elsevier也对稿件保密、AI辅助用途和人工责任作出了具体规定。
这些规定本身就说明，出版机构已经意识到问题的存在。但规则的存在，并不等于每一次评审都能被清楚地追溯。
编辑还有一层现实顾虑：如果要求所有审稿人详细披露AI使用情况，可能增加管理成本，甚至进一步降低审稿人接受邀请的意愿；如果完全不问，机构又很难判断评审意见是否真正来自受邀专家。
这是一种典型的制度困境。期刊希望审稿人提供专业判断，却无法无限增加监督成本；希望加快出版流程，又不希望效率提升以牺牲评审质量为代价。
最容易出现的结果，便是责任继续留在人身上，流程却越来越多地由机器参与。
出了问题，编辑仍然需要解释决定，审稿人仍然需要为意见负责，作者仍然需要承担修改成本。AI则通常不会出现在责任链条的末端。
从组织管理的角度看，这是一种相当方便的安排。效率收益可以被迅速感知，责任归属也暂时不必改变。
只不过，长期依赖这套安排，期刊可能逐渐失去一个重要信息：一份评审报告究竟代表了多少独立的专业判断。
四、如果AI能发现方法漏洞，人类审稿人还剩下什么？
这是整场变化中最值得认真对待的问题。
如果把同行评审拆开来看，会发现其中有相当一部分工作并不神秘。检查统计方法是否匹配研究设计，确认结论有没有超出数据支持的范围，发现前后不一致的数字，判断某项实验是否足以支持作者的解释——这些任务中的一部分，AI已经能够提供有价值的辅助。
但同行评审从来不只是找错。
一篇论文可能没有明显的方法学错误，统计分析也没有问题，结论基本符合数据，却依然不是一篇值得发表的论文。它可能只是重复了已有研究，回答了一个已经失去重要性的科学问题，或者提供了一个技术上可靠、但对领域发展几乎没有影响的结果。
反过来，一篇真正重要的研究，也可能在初稿阶段存在一些可以修正的缺陷。如果审稿人只会逐项检查缺陷，便可能错过论文真正的价值。
这涉及科学判断中很难被标准化的部分：研究问题是否重要，证据是否改变了我们对某个现象的理解，以及一项看似局部的发现是否可能打开新的研究方向。
这些判断需要领域知识，也需要对学科发展脉络的理解。
例如，两篇论文都可能报告一个统计学上显著的结果。对于第一篇，结果只是重复了已有文献中的规律；对于第二篇，结果可能推翻一个被广泛接受的机制假说。单纯检查统计显著性，无法充分区分二者的意义。
当然，不能因此把人类审稿人想象成具有某种AI无法触及的科学直觉。人类专家同样会犯错，也可能受到学术派系、个人偏好、声望偏见和既有理论立场的影响。所谓“领域判断”，有时是深厚经验，有时也可能只是熟悉某种研究传统。
真正值得保留的，不是对人类专家的浪漫想象，而是他们必须承担的独立判断责任。
一个优秀的审稿人不仅能够提出问题，还应该能够解释为什么这个问题重要；不仅能够要求补充实验，还应该判断该实验是否真的能够回答研究问题；不仅能够指出结果与既有文献不一致，还应该区分这种不一致究竟是研究缺陷，还是新发现的起点。
更重要的是，审稿人需要在证据不完整时作出有边界的判断。
AI可以列出多种解释，却未必能够可靠地判断，在某个具体研究领域里，哪一种解释最值得相信、哪一种不确定性可以接受，以及哪一个缺陷足以否定整篇论文的核心主张。
这些判断并不意味着人类天然优于机器，而是意味着评审工作需要有人对判断的依据、适用范围和后果负责。
如果一位审稿人无法解释自己提出的关键意见，那么无论这条意见来自经验、ChatGPT还是Claude，问题都不在文字由谁生成，而在于它是否经过了充分的专业审查。
从这个角度看，AI对同行评审最大的冲击，可能不是取代审稿人，而是迫使学术界重新面对一个过去被文字掩盖的问题：我们究竟是在评价一份审稿报告，还是在评价产生这份报告的科学判断？
两者曾经被默认紧密相连。现在，这种联系正在松动。
五、下一场冲突：当作者开始要求知道，自己的论文究竟被谁评审过
目前围绕AI与同行评审的讨论，大多集中在两个问题上：审稿人能不能使用AI，以及期刊能不能用AI辅助筛选稿件。
但一个更难处理的问题正在接近。
假如未来某篇论文的作者发现，自己的稿件被拒绝，而拒稿意见中的关键判断来自AI辅助分析；或者作者发现，某项要求补充的实验建立在明显的误读之上，那么他能否要求期刊说明，AI在这次评审中究竟发挥了多大作用？
这个问题并不遥远。
当AI仅仅用于检查语法时，通常没有必要把它视为独立的评审参与者。但当系统开始提出关键批评、影响审稿人的总体评价，甚至参与编辑的初筛决定时，它就不再只是文字工具，而是进入了科学评价的实质过程。
届时，作者可能提出一个以前不太容易成立的问题：既然期刊要求我对论文的每个重要判断负责，为什么我不能知道，决定我能否发表的判断究竟是如何形成的？
期刊则可能给出另一种回答：最终决定仍由编辑作出，审稿人也对提交的意见负责，没有必要公开所有辅助工具。
双方都有理由。
作者需要知道评价是否可靠，期刊需要保护审稿人的独立性、评审流程的保密性，以及正常编辑工作的空间。更何况，AI参与程度本身并不容易划定。有人用它整理结构，有人让它分析方法，还有人只在最后阶段调整措辞。简单地披露工具名称，未必能够说明它实际影响了多少判断。
真正困难的是，当AI的参与程度影响到作者对评审公平性的理解时，现有的责任规则是否还足够清楚？
这个问题还会与另一个更现实的矛盾交织在一起：如果期刊要求审稿人对AI生成的每条意见承担责任，那么审稿人是否有义务保留足够的阅读和核查过程，以证明自己确实进行了独立判断？如果没有这样的要求，责任又该如何区分？
到那时，争论就不再是审稿人有没有使用ChatGPT，也不再是Claude写出的意见是否比人类写得更流畅。
争论将变成：当机器参与形成学术评价时，人类究竟需要为多少判断负责，又有权要求别人为多少判断提供解释？
这可能是生成式AI带给同行评审最深层的变化。
过去，一份审稿意见虽然可能存在偏见、误解或疏忽，但人们至少默认，它是某位受邀专家经过阅读和思考后形成的专业判断。这个默认并不总是符合现实，却支撑着整个制度的运转。
如今，意见可以被迅速生成，表达可以被轻易优化，初筛也可以逐步自动化。同行评审的外观甚至可能因此变得更加整齐、更加标准化。
但当每个人都能迅速生成一份看起来专业的意见时，专业性本身就不再足以证明判断的质量。
未来某一天，作者可能不再满足于看到一份措辞严谨的拒稿信，而是想知道它背后的判断过程；期刊也可能不再只问审稿人是否按时提交报告，而是开始面对一个更难回答的问题：这份报告，究竟有多少真正经过了审稿人的思考？
那时，同行评审才会真正意识到，AI带来的不仅是效率变化，还有一种长期被忽视的制度成本。
当专业判断可以被机器迅速模拟，学术界迟早要重新解释：我们为什么仍然需要一个人类审稿人。
