Detecting AI-Generated Content in Academic Peer Reviews
该研究通过检测模型分析发现，2022 年后 ICLR 和 Nature Communications 等期刊的同行评审中 AI 生成内容显著增加，2025 年占比分别达到约 20% 和 12%，凸显了 AI 辅助评审在学术评估中日益增长的影响及进一步研究的必要性。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇论文就像是在学术界的“安检口”装上了一台高科技的"AI 探测器”，用来检查科学家们提交的“审稿意见”（Peer Reviews）到底是不是人写的，还是由人工智能（AI）代劳的。
想象一下，学术界的论文发表过程就像是一个严格的“盲选”比赛：作者提交作品，评委（审稿人）匿名打分。以前，大家默认评委都是真人，凭自己的学识和良心在打分。但现在，随着像 ChatGPT 这样的 AI 越来越聪明，大家开始担心：评委是不是偷偷让 AI 帮忙写评语了？
这篇研究就是来回答这个问题的。
1. 他们是怎么做的？（训练“警犬”）
研究人员没有直接去问审稿人“你用了 AI 吗？”（因为没人会承认，而且审稿通常是匿名的）。相反，他们想出了一个聪明的办法：
- 训练“警犬”：他们收集了 2021 年 的审稿意见。那时候 AI 还没那么普及，所以他们认为那时的审稿意见几乎全是真人写的。同时，他们用 AI 模仿人类写了一些假审稿意见。
- 教“警犬”认人：他们训练了一个计算机模型（就像训练一只警犬），让它学会区分“真人写的”和"AI 写的”文字风格。
- 实战测试：训练好后，他们把这只“警犬”放到了 2022 年到 2025 年 的审稿意见里去“巡逻”，看看能不能抓出那些 AI 写的“假评语”。
2. 他们发现了什么？（从“风平浪静”到“洪水猛兽”）
结果非常惊人，就像看着一条平静的河流突然变成了瀑布：
- 2022-2023 年（风平浪静）：
在顶级机器学习会议（ICLR）和顶级期刊（Nature Communications）上，AI 写的审稿意见几乎为零。那时候，大家似乎还在老老实实地自己写评语。 - 2024 年（暗流涌动）：
情况开始变了。特别是在 2024 年的下半年，AI 写的评语开始悄悄冒头。 - 2025 年（洪水爆发）：
到了 2025 年，情况彻底变了：- 在 ICLR 会议 上，约 20% 的审稿意见被判定为 AI 生成（差不多每 5 条评论里就有 1 条是 AI 写的）。
- 在 Nature Communications 期刊 上，这个数字也达到了 12%。
最有趣的是时间线：研究发现，Nature 期刊上的 AI 评语增长最快的时间段，正好是 2024 年第三季度到第四季度。这刚好对应了 OpenAI 发布更强大的 ChatGPT-4o 并免费向大众开放的时间。这说明，一旦 AI 工具变得更好用、更便宜，大家就立刻开始用了。
3. 这意味着什么？（比喻与启示）
学术界的“信任危机”：
想象一下，如果你去餐厅吃饭，发现菜单上的“主厨推荐”其实全是机器打印的，你会怎么想？学术评审也是一样。如果审稿意见是 AI 写的，那么：- 质量存疑：AI 可能会胡编乱造，或者漏掉关键的科学错误。
- 责任不明：如果评审错了，是审稿人的错，还是 AI 的错？
- 透明度丧失：我们以为自己在和真人专家对话，其实可能是在和算法对话。
不仅仅是“作弊”：
研究也提到，很多情况可能不是“完全由 AI 代写”，而是“人类写个大概，AI 帮忙润色”。这就像学生写作业，自己构思了大纲，但让 AI 帮忙把句子写得更漂亮。这种“人机合作”的界限很模糊，目前的检测技术很难精准识别这种“半真半假”的情况。
4. 总结
这篇论文就像给学术界敲了一记警钟：
AI 写审稿意见已经不是“未来会不会发生”的问题，而是“已经大规模发生”的事实。
从 2022 年的几乎为零，到 2025 年的五分之一，这种增长速度令人咋舌。作者呼吁，学术界需要尽快制定规则：
- 是允许使用 AI 辅助，但必须公开声明？
- 还是完全禁止在评审中使用 AI？
- 或者我们需要开发更厉害的“反 AI"工具来维持学术的纯洁性？
如果不加干预，未来的学术评审可能会变成一场“机器与机器的对话”，而人类真正的科学判断力可能会被淹没在算法的噪音中。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。