别急着说 AI 替代不了高端审读编辑

昨天看到编辑同行老师《高端的审读编辑，万里挑一，AI替代不了》，这个判断很安慰人，但也很容易让人误判风险。

原文说中了一个真问题：审读不是改错字、核格式、查参考文献著录项，也不是把编校规范背熟就能胜任。真正困难的审读，是把稿件重新放回专业知识、研究方法、论证链条和结论边界里判断。编校层面没有错误的稿件，照样可能有逻辑断裂、方法不当、数据与结论不匹配、讨论过度外推。能看出这些问题的编辑，确实稀缺。

但问题也恰恰从这里开始。

我的判断更直接一点：不能再这么想了。

AI 未必替代编辑这个岗位，但它已经在辅助、拆解并重构一部分过去被归入高端审读的局部动作。继续把“AI替代不了”挂在嘴边，可能不是清醒，而是旧流程不愿被反思。

高端审读当然难。但一说“难”，编辑部很容易把它想成一种完整而神秘的个人能力：一个资深编辑坐在那里，凭多年积累，读几遍稿子，就能看出别人看不出的毛病。

这种想象很舒服，也很危险。因为它把审读能力藏进了个人经验里，只能敬畏，不能拆解；只能仰赖高手，不能训练组织。

真实工作并不是这样。审读一篇稿件，至少包含一串可以拆开的动作：题名、摘要和结论是否一致？研究问题是否清楚？方法能不能支撑结论？样本、数据、实验设计、统计处理，是否足以承受作者结尾那几句判断？讨论部分有没有把小样本结论推到大范围场景？参考文献是真在支撑论述，还是只在背景处摆了几篇看起来相关的文章？作者回复外审意见时，是补充了证据，还是换一种说法绕开关键质疑？

这些都叫审读。

但它们不在同一个层级。有些问题必须由编辑结合学科发展、期刊定位、外审意见和发表风险作综合判断；有些问题本质上就是一致性检查、证据追问、风险提示和回复拆解。过去，这些动作混在一起，全靠资深编辑的敏感性。现在，至少其中一部分已经可以被 AI 拆出来，变成可提示、可校验、可复核、可留痕的环节。

从笔者的流程测试看，让代理做反向质疑、问题链生成、证据追问、外推边界标注、作者回复拆解、审稿意见质量检查，效果已经不是“也许有点帮助”。外部研究也显示，GPT-4 对论文反馈与人类审稿意见存在部分可比重合。坦白讲，在不少文本链条问题上，它已经非常强。它不会疲惫，不会因为稿件堆积而跳读，也不会因为作者语气诚恳就放过没有证据的回答。

这不是让 AI 替编辑下结论。它不应该直接判断一篇稿件该不该录用，更不能绕过编辑和专家给处理决定。但让 AI 先列出“这里可能不一致”“这里缺少证据”“这里结论越过数据边界”“作者没有回应第 2 条审稿意见”，这已经不是语言润色。

它进入的是审读动作本身。

高端审读被拆开以后，编辑部要面对的就不是“AI 能不能替代一个全能编辑”这个粗问题，而是：哪些环节必须由人判断，哪些环节可以让机器先扫一遍，哪些输出必须回到原文和证据里核验。

一个动作只要能被拆出来，就有可能被训练、被记录、被复盘。它不再只是某位老师傅的手感，而会成为编辑部的组织能力。

原文提到综合性科技期刊编辑的跨领域压力，这一点我非常认同。

一个编辑不可能熟悉所有二级方向。今天处理公共卫生，明天处理材料制备，后天又来一篇人工智能与教育评价交叉的稿件。很多时候，编辑不是完全读不懂，而是读懂了一半：概念能跟上，文章结构也顺，方法名称看起来熟悉，但心里知道，某个细节可能藏着坑。

过去，编辑只能靠长期积累一点点补齐。查综述，翻同类论文，请教专家，慢慢建立这个方向的感觉。这当然必要。但如果把跨领域理解完全理解为人的护城河，就低估了 AI 的入口价值。

跨领域未必是 AI 完全进不去的地方；至少在帮助编辑快速建立问题地图、列出常见方法与风险方面，它已经有进入空间。

AI 不需要变成全科专家。它只要帮助编辑更快进入陌生领域，就已经改变了审读前半段。一篇陌生方向的稿件进来，AI 可以先做初步整理：基本概念、近年常见研究问题、该类研究通常使用哪些方法、外审专家一般会抓哪些毛病、哪些统计处理或实验设计容易出错。但这些提示只能作为入口，仍要回到综述、指南、数据库和专家意见中核验。它也可以把作者的研究问题拆开，检查样本来源、变量设置、分析方法和结论表达之间是否对得上。

更关键的是，它可以帮助编辑提出更像样的问题。

综合性期刊编辑最怕的，不是承认自己不懂某个细分方向，而是不知道该问什么。没有问题意识，初筛就容易退回到格式、重复率、选题是否沾边；送审也容易变成机械分派。AI 如果能把陌生领域的基本地图、常见方法和高频风险先铺出来，编辑进入稿件的速度就会明显变快。

这一步的含义很重。过去，跨领域压力常被用来证明高端编辑稀缺；未来，它也会反过来证明旧式个人积累模式太慢。

当然，AI 整理出来的内容必须核验。它可能混淆概念，也可能把过时做法说成通行做法。但跨领域审读的工作方式已经变了：编辑不再只是独自积累知识，而是在调度知识源、比较证据、追问模型输出。

所谓护城河，未必只在“我知道多少”。真正危险的不是 AI 太强，而是编辑部还把个人经验当免检牌。

原文列出的逻辑断裂、方法不当、数据与结论不匹配、讨论过度外推，其中有一部分恰恰适合让 AI 先做提示和预筛，但是否构成实质缺陷仍要由编辑和专家核验。

很多编辑会觉得，这些正是高端审读最核心的地方，怎么能说 AI 适合参与？关键在于，参与不等于裁决。

逻辑链条审读有一大部分工作，是把文本内部的支撑关系拉出来看。摘要提出了什么主张？结论是否重复、缩小或放大了这个主张？方法部分承诺做的分析，结果部分有没有完成？结果支撑到哪里，讨论却延伸到了哪里？研究问题、方法、结果、结论之间有没有断点？

这些检查并不要求 AI 拥有真正的学术裁决权。它更像一个不知疲倦的交叉核对员，可以逐段比对、逐句追问，把可能的断裂位置列出来。

让 AI 检查摘要与结论是否一致，它可以指出摘要说“显著提升”，结论却只保留“可能改善”；也可以发现结论新增了摘要和结果中都没有出现的政策建议。让 AI 检查方法是否支撑结果，它可以追问样本量、对照组、统计检验、变量定义是否足以支撑作者的表达。让 AI 检查结果是否支撑讨论，它可以圈出那些从样本内观察跳到行业普遍结论的句子。

更有价值的是反向质疑。不是让模型顺着作者写一段好听的评语，而是逼它站到反方：如果这篇稿件要被退修，最可能卡在哪里？如果审稿人要质疑，最难回答的问题是什么？如果作者的结论被缩窄，哪些句子必须改？如果审稿意见过于笼统，哪里需要补证据？

这类问题链已经能把不少隐藏风险逼出来。

NEJM AI 2024 年有研究比较了 GPT-4 对论文生成的反馈和人类审稿意见，结果显示二者在部分反馈上存在可比重合，不少研究者也认为这些反馈有帮助。这不能推导出 AI 达到专家审稿水平，更不能说明它能替代正式同行评议。但它足以说明，AI 已经能在论文反馈中碰到一部分真实问题。

编辑部该利用的正是这一点：不要让 AI 说“录用”或“退稿”，让它列疑点。不要让它替专家审稿，让它把逻辑链条中的松动位置暴露出来。

审读不是神秘感越强越高级。能把问题摊开、能让证据说话、能让判断被复核，才高级。

反对 AI 参与审读，最常见也最有力的理由，是幻觉。

这个担心完全成立。AI 会编造参考文献，会误解统计结果，会把没有证据的判断写得像专业意见，也会在没有把握时给出过分确定的回答。更麻烦的是，它的错误往往很像真的。一个编辑如果只是把模型输出复制进审稿意见，风险会比不用 AI 更大。

所以，不能让 AI 直接判稿。

但“AI 会幻觉”并不等于“AI 不能进入审读流程”。这句话如果被当成挡箭牌，就会遮住更重要的问题：AI 应该被放在什么位置。

把 AI 放在判稿人位置，让它决定稿件是否成立、是否录用、是否需要退修，那是越界。把 AI 放在可核验事项生成器的位置，让它做风险枚举、疑点提示、证据回查、交叉校验、审稿意见质量检查，情况就不同了。

它可以提示：“作者第 3 条结论缺少结果支撑。”编辑要回到结果和表格中核验。它可以提示：“参考文献 12 可能只支持背景陈述，不能支撑作者的机制解释。”编辑要去查原文。它可以提示：“作者回复没有正面回答审稿人关于样本代表性的质疑。”编辑要对照审稿意见和回复信。它还可以检查审稿意见本身：有没有只给情绪判断、没有证据；有没有提出无法操作的修改要求；有没有前后矛盾；有没有把个人偏好包装成学术标准。

事实上，审读链条早已被不同类型的工具拆开。iThenticate 可用于文本相似度和可能 AI 写作检测，StatReviewer 可做统计与报告规范初筛，ImageTwin、Proofig 可做图像重复、篡改或 AI 生成图像等风险筛查。它们不都属于生成式 AI，也不等同于 ChatGPT。更准确地说，它们共同说明：审读中的一部分风险发现，已经可以变成可记录、可复核的机器信号。但机器信号不是最终定性，不能把相似度报告直接等同于抄袭，也不能把图像异常提示直接等同于学术不端。

这不是把判断权交给 AI，而是把 AI 输出变成可核查清单。

公共大模型，尤其是不能保证保密、数据不被再利用的第三方工具，不能随便吃稿件，这一点必须讲清楚。ICMJE 要求审稿人遵守期刊政策或先获许可，并维护稿件保密；Elsevier、Springer Nature / Nature Portfolio、Taylor & Francis 等也限制或禁止审稿人把未发表稿件、图片、相关信息或审稿报告交给不受控的生成式 AI 工具。稿件中可能有未公开数据、研究思路、个人信息和学术竞争利益。编辑部如果要使用 AI，通常必须考虑本地化、私有化、授权、日志留存、数据不外流等条件，而不是随手把稿件丢给公共模型。

但这恰恰说明，问题不在于“用不用”，而在于“怎么用”。成熟的做法不是禁用，也不是乱用，而是给 AI 定位。它最适合做风险提示、证据追问和质量检查，不适合做最终判定者。

把幻觉当作拒绝改变的理由，听起来谨慎，实际上可能只是把旧流程继续藏在黑箱里。

如果把不可替代性建立在“编辑知道得比 AI 多”上，这个基础会越来越不稳。

编辑当然还需要知识储备。没有知识储备，就不知道模型哪句话可疑，也不知道该追问什么。但未来真正不可替代的编辑，未必是独自记住最多知识点的人，而是知道怎样向 AI 提问、哪些输出不能信、什么时候必须转给专家、怎样核验证据、怎样结合期刊定位、学术伦理和发表风险作决定的人。

这类编辑的核心能力，不是把自己变成百科全书，而是把审读变成一条可追责的判断链。

他要知道，题名和摘要不一致，是退修问题还是表达问题；方法支撑不了结论，是需要补充分析，还是已经伤到研究设计；图像或统计工具给出异常信号，是要求作者提交原始材料，还是启动出版伦理流程；AI 提出的疑点，是模型误读，还是稿件真的有断点；外审意见过于笼统时，是请审稿人补充依据，还是由编辑部再做一次定向核查。

这才是责任化判断。

它不是一句“我觉得可以”，也不是一句“AI 说有问题”。它要求编辑能解释自己的处理意见：依据是什么，证据在哪里，哪些问题已经核验，哪些问题交给专家，哪些风险需要作者回应，哪些判断最终由编辑部承担。

这也会倒逼编辑部改变人才培养方式。过去培养高端审读编辑，很容易变成“跟着老师傅学”。能学多少，取决于个人悟性，也取决于有没有机会接触复杂稿件。未来，编辑部更应该把高手的判断方式沉淀下来：问题清单、提示词库、案例库、作者回复审查模板、专家分流规则、工具使用边界、复核记录。

别再把“万里挑一”只理解为个人天赋。真正稀缺的，是一个编辑部能不能把高水平审读从个人能力变成组织能力。

把不可替代挂在嘴边，可能只是旧流程不愿被颠覆。编辑不需要因为 AI 变强而恐慌，但也不能再用“AI替代不了”给自己免检。

1. NEJM AI, “Can Large Language Models Provide Useful Feedback on Research Papers? A Large-Scale Empirical Analysis” (2024). https://ai.nejm.org/doi/full/10.1056/AIoa2400196

2. ICMJE, “AI Use by Reviewers”. https://www.icmje.org/recommendations/browse/artificial-intelligence/ai-use-by-reviewers.html

3. Elsevier, “Generative AI policies for journals”. https://www.elsevier.com/about/policies-and-standards/generative-ai-policies-for-journals

4. Nature Portfolio, “Artificial intelligence (AI)”. https://www.nature.com/nature-portfolio/editorial-policies/ai

5. Taylor & Francis, “AI policy”. https://taylorandfrancis.com/our-policies/ai-policy/

6. iThenticate. https://www.turnitin.com/products/ithenticate/

7. StatReviewer. https://www.statreviewer.com/

8. ImageTwin. https://imagetwin.ai/

9. Proofig. https://www.proofig.com/