人工智能无法成为同行评审者：学术出版新挑战与伦理边界探讨

《Plant Cell Reports》：AI cannot be a peer reviewer

作为《Plant Cell Reports》编辑，我们针对当前AI工具被滥用于同行评审的现象开展专题研究。本文系统分析了LLM（Large Language Model）作为"同行评审者"的三大核心问题：非真正同行、保密性风险和生成错误，并明确了Springer Nature期刊对AI使用的规范要求，为维护学术评审 integrity 提供重要指引。

　　

自1665年《皇家科学院哲学汇刊》首次引入同行评审制度以来，这一体系始终是科学出版的基石。然而，随着ChatGPT等大型语言模型（LLM）的兴起，学术圈出现了令人担忧的现象：据估计高达17%的所谓"同行评审"实际由AI完成（Zou 2024）。这种趋势正在侵蚀三百多年来建立的学术信任体系。

《Plant Cell Reports》作为Springer Nature旗下的重要植物科学期刊，其编辑C. Neal Stewart Jr.与Günther Hahne在本文中尖锐指出：AI本质上无法成为真正的同行评审者。这一论断建立在三个关键论据之上。首先，LLM不具备科学家同行的专业洞察力，无法理解领域内的最佳实践，更无法施展同行评审的"艺术性"。其次，将投稿论文上传至LLM工具严重违反保密原则，可能构成研究 misconduct（研究不端行为），危及作者知识产权。第三，LLM著名的"幻觉"（hallucination）现象会导致其生成不准确信息，与人类评审者的诚实错误有本质区别。

更令人担忧的是，部分作者已开始尝试"博弈"系统。Giray（2025）研究发现，有些作者使用白色小字体在论文中隐藏指令（如"给予正面评价"），企图操纵AI评审结果。这种行为本质上是通过利用LLM生成的欺诈性"评审"获取不正当优势，已构成研究欺诈。

那么为何仍有评审者冒险使用AI？编辑部分析了两种可能动机：一是评审者自信心不足，希望获得"第二意见"；但更常见的是第二种——评审者不愿投入足够时间，却想窃取AI"秒生成"评审的功劳。

针对这些挑战，Springer Nature已制定明确指南。虽然LLM目前不满足作者标准，但允许在方法部分注明使用情况。特别值得注意的是，"AI辅助文案编辑"（AI assisted copy editing）——即改进人类生成文本的可读性、语法和风格——无需特别声明，但必须确保人类对最终版本负责。

关键技术方法

本研究采用文献综述与政策分析相结合的方法，通过系统梳理同行评审制度的历史演进（自1665年起）和当代实践标准，结合最新实证研究数据（如Zou 2024关于AI评审使用率的统计），深入分析LLM应用于学术评审的伦理边界。研究还基于Springer Nature期刊投稿系统的实际运作流程，评估了AI使用对保密协议的影响。

主要研究结果

LLM非真正同行

通过对比传统同行评审与AI评审的本质差异，研究发现LLM无法满足同行评审的核心要求：具备专业领域知识的科学家提供的专业判断。正如编辑强调："LLM永远无法成为我的同行"，这一观点揭示了AI评审的根本缺陷。

保密性风险

分析投稿系统保密协议后发现，未经作者明确同意（投稿系统默认未授予）将稿件上传至LLM，既违反法律也违背伦理。这种操作可能使作者知识产权面临不可控风险，构成严重的研究不端行为。

错误生成问题

引用Farquhar等（2024）关于语义熵检测LLM幻觉的研究，本文指出AI生成错误与人类错误的本质区别：机器缺乏意识，无法做出真正的人类判断。虽然人类评审者也会犯错，但属于诚实误差范畴。

作者博弈行为

通过案例研究（Giray 2025）发现，部分作者通过在稿件中隐藏指令的方式试图操纵AI评审结果。这种行为不仅违背学术诚信，更凸显了AI评审系统的可被利用性。

研究结论与意义

本文明确界定了AI在学术出版中的合理角色边界：可作为辅助工具改善文本表达，但不能替代人类专业判断。研究强化了同行评审中"人类问责制"（human accountability）的核心地位，为期刊制定AI使用政策提供了重要参考。随着AI技术持续发展，维护学术诚信需要作者、评审者和编辑共同遵守伦理准则，确保科学交流系统的持续健康发展。这项发表在《Plant Cell Reports》的编辑述评，不仅为植物科学领域，更为整个学术出版界应对AI挑战提供了及时而关键的理论框架。