摘要：西湖大学最近推出了两个能改变学术审稿节奏的工具，专门收纳AI生成论文的AIraXiv开放预印本平台，以及能模仿人类专家思考逻辑的AI审稿系统DeepReview。

西湖大学最近推出了两个能改变学术审稿节奏的工具，专门收纳AI生成论文的AIraXiv开放预印本平台，以及能模仿人类专家思考逻辑的AI审稿系统DeepReview。

后者几分钟就能给出详细的审稿意见，对当下被海量AI论文困扰的学术界而言，算是个针对性很强的解决方案。

现在打开学术平台，AI撰写的论文数量明显增多。

之前跟一位高校的研究人员聊天，他提到传统审稿模式下，审一篇论文平均要等两三周，如今大量AI生成的稿件混入其中，不少缺乏核心学术价值，光是筛选出值得深入评审的内容就消耗了大量精力，导致真正优质的人类原创研究反而要排队等待，整个审稿流程的效率被拉低不少。

这种情况下，如何给AI论文找个合适的“归属”，同时快速判断其价值，就成了学术界的迫切需求。

既然AI论文已经多到需要专门分流，那先为它们搭建一个专属的管理平台就很有必要，AiraXiv正是出于这个目的设计的。

它是目前首个专注于AI生成学术成果归档、展示和评审的平台，相当于给AI论文找了个独立的“住处”。

研究人员上传AI论文时，不用填写繁杂的表单，一键就能提交；提交后，论文可直接接入DeepReview系统，短时间内就能获得反馈，无需像以往那样等待人类专家的排期。

平台还会自动为每篇论文提取核心关键词、生成简短的内容总结，研究人员不用通读全文，就能快速了解论文的核心观点，大幅减少了无效阅读的时间。

说实话，这种分类管理的思路很务实，将AI论文与人类原创论文分开处理，能有效减轻传统审稿体系的负担，让领域专家把精力集中在更具突破性的人类研究上，避免在低质量AI“水文”中浪费时间。

有了专门的平台收纳AI论文，下一步自然是判断这些论文的质量，DeepReview就承担了这个“AI审稿人”的角色。

它不像有些AI工具那样简单给出“合格”或“不合格”的结论，而是模仿人类专家的审稿逻辑，分步骤开展评审。

首先会检索相关领域的文献，对比分析论文的研究内容是否具有新颖性，同时验证引用文献的准确性，避免出现“虚假创新”或引用错误的问题；接着从研究方法的合理性、内容表达的清晰度、对学术领域的贡献度等维度进行综合评估。

还会模拟多名不同研究背景专家的视角，确保评价不会过于片面；最后会检查论文的逻辑连贯性，验证结论是否有数据或实验支撑，防止出现无依据的“幻觉式”结论。

本来想，AI审稿会不会比人类专家更粗糙？后来发现它输出的意见非常详细，不仅明确列出论文的优势与不足，还会针对不足提出具体的修改建议，比如“建议补充对照实验以验证方法的有效性”，这种细致程度远超很多简单的AI评审工具。

能实现这样严谨的审稿流程，背后离不开技术支撑。

研究团队构建了包含1.3万篇AI生成论文及人类专家审稿意见的DeepReview-13K数据集，在此基础上训练出了DeepReviewer-14B模型。

这个模型的参数规模虽不算行业内最大的，但在审稿过程中使用的“计算资源”更少，性能却优于参数规模更大的CycleReviewer-70B模型。

在与GPT-o1、DeepSeek-R1等主流大模型的对比测试中，它的表现也更为出色。

很显然，AI审稿的核心不在于模型参数有多庞大，而在于训练数据是否贴合学术评审的实际需求，能否精准模拟人类专家的思考逻辑，西湖大学的研究团队在这一点上把握得很准确。

这些成果的诞生，与西湖大学自然语言处理实验室（WestlakeNLP）的研究积累密不可分。

这个实验室成立于2018年，由牛津大学博士、现任西湖大学工学院副院长的张岳教授领衔。

张岳教授不仅著有自然语言处理领域的专著，还曾担任顶级国际会议的程序委员会主席，在学术界具有深厚的积累。

实验室长期聚焦语言模型推理能力、通用人工智能等方向的研究，致力于让AI更深入地参与科研过程，推动“AI科学家”的发展。

说实话，当前不少AI研究偏向技术炫技，而这个团队选择聚焦学术审稿的实际痛点，这种贴近行业需求的研究方向，更易产出具有实际应用价值的成果。

从目前来看，AiraXiv与DeepReview只是AI参与学术生态建设的初步尝试，但已经展现出了改变学术审稿模式的潜力。

未来，随着平台覆盖的学科领域不断扩展，论文关键信息的提取与展示方式持续优化，优质AI生成成果的传播效率会进一步提升。

长远来看，AI或许会在科研选题、实验设计、论文撰写等更多环节发挥作用，而人类研究者则可将精力集中在具有创造性和突破性的核心工作上，形成“AI辅助+人类创新”的新型科研模式。

不过，这种模式的成熟还需要更多研究者参与探索，比如如何让AI审稿更好地适配不同学科的特点，如何进一步提升评审意见的准确性等。

毫无疑问，西湖大学的这次实践为AI与学术研究的融合提供了有益的思路，若能持续优化，必将推动学术交流生态向更高效、更透明的方向发展。

来源：萌萌思密达