AI內容激增壓垮學術同行評議體系，傳統同行評議作爲質量控制環節的有效性下降

學術期刊投稿量與評閱報告生成因生成式人工智能大規模介入而急劇上升，傳統同行評議作爲質量控制環節的有效性下降。

《Accountability in Research》期刊本年度投稿激增60%，編輯David Resnik指出大量投稿疑似由人工智能生成，內容涉及僞造學術論文與公開數據挖掘。同時，編輯需發出約20封邀請才能獲得2份有效評閱回覆，部分回覆本身亦疑似人工智能生成。Frontiers對1645名研究者的調查顯示，53%的同行評閱者已使用人工智能工具協助評閱，高於前一年的約29%，其中59%用於撰寫評閱報告，29%用於總結稿件或覈查參考文獻。

《Organization Science》分析自2021年以來6957份投稿與10389份評閱報告，發現ChatGPT發佈後投稿上升42%，其中人類獨立撰寫的稿件實際下降，至2026年初多數稿件顯示人工智能信號，70%以上人工智能內容的類別增長最快。國際學習表徵會議（ICLR）2026的約75800份評閱中，Pangram檢測顯示21%完全由人工智能生成，超過半數存在人工智能輔助痕跡，完全人工智能生成的評閱平均得分更高、篇幅更長。

多家出版機構政策明確禁止將未發表稿件上傳至公開人工智能工具以保護保密性，Springer Nature、Wiley與Elsevier均限制評閱者僅可將人工智能用於語言潤色並須披露。然而實際使用普遍，且人工智能評閱在正確性覈查上表現較好，但對原創性與重要性的判斷幾乎無信息增量。相關研究指出，通過提示模型重寫稿件可系統性提升人工智能評閱分數，形成“paper laundering”效應；人工智能評閱之間的相似度顯著高於人類評閱，呈現“hivemind”同質化。

編輯部平均需發出4.5封邀請才能獲得一份完成評閱，較2018年翻倍。人工智能生成論文往往忽略方法缺陷、繼續引用已撤稿文獻，並偏好人工智能風格寫作，導致表面完整但實質薄弱的稿件通過初篩。Sakana AI的多層評閱框架在合成錯誤檢測基準上可捕捉73%核心主張錯誤，但對真實撤稿論文的精確匹配僅約16%。

市場機制上，作者在“publish-or-perish”激勵下使用人工智能量產投稿以增加發表機會，評閱者用人工智能降低時間成本與邀請負擔，期刊編輯面對投稿量指數增長與評閱供給不足的錯配。資金與注意力流向人工智能工具提供方與檢測服務商，傳統出版流程與人類專家時間成爲主要承壓點；人工智能輔助評閱可能提升部分流程效率，但同步降低評閱多樣性與對創新貢獻的識別能力。

來源：公開信息