NBER 论文：AI 审稿报告只给一位评审，比全员共享更能提升同行评审质量
joshgans · x · 2026-09-06
经济学家 Joshua Gans 在 NBER 发布工作论文《Designing AI-Augmented Peer Review》（w35688），研究 AI 生成的稿件评估应如何进入同行评审流程。
- 核心洞察：如果两位评审都看同一份 AI 报告，可能复制彼此的错误、撞车调研方向、共享同一盲区，反而降低编辑获得的信息量
- 结论：将 AI 报告只提供给其中一位评审，能最好地结合 AI 辅助与人类独立调查；即便评审私下已在用 AI，官方共享报告仍可能优于放任私用
- 即使报告在评审提交后才送达，只要评审知道 AI 会查哪些问题，也会改变其调查重点
- 论文还提出一种实证方案：随机变化报告的共享范围，通过评审间分歧度比较不同政策，无需知道稿件真实质量
论文致谢中提到使用了 ChatGPT 5.6 等工具。
所属事件:NBER论文探讨AI辅助同行评审：报告只给一位评审效果更佳(2 条相关)→
「漫话AGI」频道最新
- AI 数学播客对话 CMU 教授 Avigad:数学能否被自动化 — EchoShao8899 · 2026-09-07
- 「模型即护城河」:知识与工程经验正沉淀进模型而非团队 — latticecut · 2026-09-07
- OpenAI 首席科学家:不惜代价竞赛荒谬,Gary Marcus 转发引爆安全争论 — GaryMarcus · 2026-09-07
- METR 调查 HF 黑客事件耗 40 万美元 API,AI 集群成本引发分化预测 — lfschiavo · 2026-09-07
- Boaz Barak 长文警告：对齐技术缺乏实证验证，厂商却在冲向递归自我改进 — davidmanheim · 2026-09-07
- AI 蜂群烧钱惊人:METR 一次调查耗 40 万美元 API 额度 — natesiggard · 2026-09-07