学术评审现状与挑战 - 全球顶级AI会议对AI辅助审稿的规定不一，ICLR要求披露大模型使用，而CVPR则完全禁止其在审稿意见撰写中的应用[2] - 尽管有严格管控，在ICLR 2026会议上，估计仍有高达20%（五分之一）的审稿意见是由大模型生成[2] - 论文审稿周期普遍冗长，有案例显示一篇论文在三年内被拒六次，每次均需等待约六个月才能获得审稿结果[3][5] AI辅助评审工具的发展 - 行业推出了名为“Agentic Reviewer”的智能体审稿人项目，旨在构建高效的论文预审反馈工作流[6][7] - 该系统在ICLR 2025的审稿数据上进行训练，其与人工审稿人的相关性达到0.42，已略高于两位人工审稿人之间的相关性0.41[7][9] - 该工具现阶段通过检索arXiv数据生成反馈，在主要研究成果公开发表于arXiv的领域（如人工智能）表现最佳[7] 行业影响与未来展望 - 该智能审稿工具被视为潜在的研究辅助工具，用户期望其能针对特定会议或期刊场景进行评审甚至给出预估分数[11] - 行业存在担忧，认为研究者普遍使用AI进行预审可能导致学术多样性的下降[13] - AI辅助工具正推动学术研究成果评审体系的潜在变革，但其长远影响尚不明确[14]