We here at CCS Chemistry accept limited use of AI in our reviewing process and acknowledge that some AI assistance in peer review can be helpful. Be sure to check all AI-generated content to make sure it is correct and you are willing to take responsibility for the report you submit.”

世界各地的研究人员，每天早晨到办公室后的场景都大同小异：端一杯咖啡或者茶坐到电脑前，打开邮箱的瞬间被各种邮件消息淹没：待交的报告、需要回复的学生邮件、各类行政事务、同事偶尔的问候或求助，以及来自众多期刊的审稿邀约等等。或许会在点开一封审稿邀请时，不禁问自己：“这本期刊我从未听说过，它与我的研究领域相关吗？手头的事情还不够多吗，还要再审一篇稿子？”

这样的场景每天都在发生，许多研究人员每周都会收到几封审稿邀请信。Science近期的一篇文章报道，“从2020到2025年，全球科技论文发表量翻了一番”，单单2025年就发表了超过800万篇论文。¹出版技术平台Silverchair在2026年发布的一份关于同行评议的报告显示，其ScholarOne系统中注册的审稿人数量从2018年至2025年增加了54%，但审稿邀请的接受率却在2018年至2024年间下降了21%。²

同行评议对维护科学知识体系完整性至关重要，但稿件数量激增给研究人员和整个评审流程带来了巨大压力。今年由出版界共同发起同行评议周（Peer Review Week，9月14–18日），将主题定为“同行评审能力：数量、速度与质量”（Peer Review Capacity: Volume, Speed, and Quality），回应了一项面向研究人员、出版从业者、图书馆员和编辑的调查。这些受访者均对同行评议现状表示了担忧。³当前，同行评议过程日益繁重，成本也不断上升，2020年全球同行评议的成本约为60亿美元。⁴

面对同行评议危机，人工智能（Artificial Intelligence, AI）正迅速成为倍受关注的解决方案。尽管AI帮助人们解决了许多效率问题，但在科学同行评议中依赖人工智能是一种审慎的做法吗？Carl T. Bergstrom教授和Joe Bak-Coleman在Nature发表的一篇文章中指出：“撰写一篇好的审稿意见并非简单的机械工作……它要求我们对零散的想法进行筛选、排序和组织。”⁵换言之，认真完成的同行评议对审稿人而言是一次重要的学习经历，而非仅仅是一个可以交给大语言模型（LLM）或AI智能体的机械训练。Bergstrom和Bak-Coleman还展示了他们的审稿过程：“首先通读全文，边读边记。对文章脉络有了整体把握后，再读一遍，进一步完善笔记，并作更深入考察，比如查阅文献、检查代码、绘制示意图或做一些分析。最后，对笔记加以筛选、整理和扩充，形成最终的审稿意见。”⁵那么问题也随之而来，AI能否再现、甚至超越如此细致而深入的评审？

从目前关于AI参与同行评议的研究来看，问题似乎不在于“我们是否应该用AI”，而是“如何更好地利用AI减轻审稿人的负担”，这是许多研究人员、出版机构和管理人员很感兴趣的话题。在审稿过程中，可以想象到几种借助AI的情形，包括：（1）对审稿意见进行语言润色；（2）在审稿人撰写为主的审稿意见中加入AI生成的内容；（3）完全借助AI生成完整的审稿意见。目前还没有哪一种做法明显胜出，但众多出版机构正在积极探索AI参与同行评议究竟意味着什么。与此同时，许多审稿人已经在借助AI工具来分担部分审稿工作。出版商Frontiers开展的一项全球调查显示，53%的审稿人表示在审稿过程中不同程度地使用了AI工具，包括起草审稿意见、分析和总结研究结果，以及检查是否存在学术不端。⁶因此，无论期刊是否准备好，审稿人已经在使用AI。

鉴于AI参与同行评议已是大势所趋，尽管其具体参与程度尚无法估量，那么从现有的实例中汲取经验，厘清AI的长处与短板，就显得尤为重要。以下是审稿人应该知道的几件重要的事项：

1）当接受了审稿邀请，就意味着自己是审稿人而非大语言模型（LLM）或AI智能体。审稿人需要对审稿意见负责，它是审稿人对于稿件的真实反馈，并意味着理解和认同审稿意见的全部内容——无论它是审稿人亲自撰写还是由AI生成。

2）对多数期刊而言，审稿人将稿件上传至商业LLM或AI智能体，这是违反保密原则的行为。上传未发表的稿件，会让AI平台从这些尚未发表的信息中“学习”，并在不受约束的情况下加以复用。当审稿人开始评阅一篇稿件时，就应该清楚稿件信息需要保密，不能把稿件部分甚至全部分享或上传至商业LLM或AI智能体，除非是出版商提供的专门且经过审核的平台。这一保密要求保护的是所有的作者，使他们可以放心将最新研究成果交给出版商和审稿人。

3）如果违反出版商关于使用AI审稿的规定，审稿人可能会受到出版商或编辑的处罚。完全由AI直接生成的审稿意见并不难识别，因此，如果审稿人直接提交这样的审稿意见，可能会面临处罚。

也有些人可能完全不想使用AI，讨厌疑似AI生成的审稿意见，认为在同行评议中使用AI只会让本领域文献更加混乱。如果有这样的想法完全可以理解，只须继续按自己习惯的方式发表和评审稿件。诚然，我们也都知道人工审稿也有其自身的问题：审稿人投入的精力参差不齐，可能存在来自竞争者或机构的偏见，或者收到的评审意见来自不太了解该领域的审稿人。然而，正是这个并不完美的系统，构建起了一个坚实而庞大的知识库，推动着科学进步源源不断地涌现。多位同行审稿人从不同方面评阅一篇稿件，往往能提升稿件及其科学工作的整体质量。人工评审还有一个好处：相比于让AI替自己思考和做决定，审稿人自身能通过审稿对稿件所涉及的领域产生更深刻的认识与理解。

如果对AI审稿感到好奇，想在下一次审稿中试试，那么怎样的使用方式最妥当？目前，关于如何利用AI在减轻研究人员同行评议压力的同时维护科学记录的完整性，相关课题仍在研究中。有一点毫无疑问，有策略地引入AI有助于加快整个审稿过程，初步研究结果表明AI在以下方面的表现确实出色：1）快速处理大量信息，尤其是查重、格式修改和引文核查等繁琐而常规的任务；2）客观评估稿件中数据与论述的一致性，包括数据是否以及如何支持稿件的结论；3）检查数学、方程、公式和代码中的错误；4）识别并交叉核对已发表的相关研究；5）协助匹配合适的审稿人。这些大多属于耗时重复且可容易实现自动化的工作。

利用AI审稿带来了诸多好处，但目前也存在一些明显局限：

1）评审的准确性在很大程度上依赖于算法本身以及训练数据库的广度和质量；

2）AI可能无法准确评估各领域内的具体研究方法、学术惯例和规范；

3）“幻觉”问题可能导致生成看起来合理但实际不准确的结论和文献；

4）可能引入系统性和结构性偏见，例如偏向知名机构和作者；

5）AI评审一般是基于已发表的文献数据库，具有一定的“回顾性”，因而对于突破现有范式、创新性极强的研究，AI可能难以进行准确评估；

6）AI无法评估其用作审稿的所输入文献本身是否可靠，例如可能将虚假或AI生成的文章当作正确内容，也可能遗漏无法在线获取的早期文献；

7）可能被“钻空子”，当作者有意按照AI审稿偏好的方式撰写稿件，便能诱导AI给出正面的审稿意见。

许多作者都注意到，AI生成的审稿意见往往篇幅较长，聚焦微小、次要的细节而非提供更全面的反馈；这些审稿意见有时流于表面；并且经常要求补充明显超出当前工作所关注重点的额外实验。另一个重要的人文层面的弊端，正如Bergstrom和Bak-Coleman所说：“自动化涉及从人向机器的知识转移……越是自动化，就越难以区分机械性工作和技能性工作。我们面临着一种风险：用低劣的自动化手段取代人类的专业技能，却未能意识到我们正在失去什么。”⁵他们还说：“如果让LLM替你完成任务，你实际上在传递一种信号：你本人完成该任务的能力其实没有什么价值。”⁵

随着大语言模型和AI日益精进，其优势与局限的平衡也在不断演变。目前的普遍共识是，如果能以品判性的眼光审视其生成内容，AI生成的审稿意见可以提供一些有价值的信息，但只能作为人工评审的补充。有人提出，可以将一份AI生成的审稿意见与两份独立的人工审稿意见结合起来，作为一种稿件评审方式，在保留专家审稿人参与的同时，利用AI提供的一些有益评价。²能否信任AI生成审稿意见（以及其他内容）将是其在全球广泛应用的一大障碍。根据Frontiers的报告，71%的研究人员“担心AI工具正被研究人员滥用……而53%的研究人员见过同行疑似滥用AI的情况”。⁶因此，在AI的使用真正得到全球科学界的接纳和信任之前，仍有许多问题需要解决。

目前，有一种AI应用方式正逐渐流行起来——在正式投稿前对初稿进行预评审。作者可以自行决定是否将稿件上传以及选择哪种大语言模型或AI智能体。如今市场上已涌现出一批快速增长的商业AI预审服务，例如Nature Research Assistant (https://natureresearchassistant.com/)、q.e.d. Science (https://www.qedscience.com/)、Reviewer 3 (https://reviewer3.com)和Manusights (https://manusights.com/)等。它们允许作者上传稿件进行AI预审，然后向作者反馈对稿件的意见，由于出于作者自愿，这样操作并不涉及正式评审流程中的保密问题。总体来看，这类服务具有一定的实用价值。不过，在使用任何大语言模型或AI平台时，需要了解清楚它们如何使用和存储所上传的信息，以便在论文发表前最大限度地保护你的数据和研究成果。

CCS Chemistry接受在同行评议过程中有限度地使用AI，也认可适当的AI辅助可以为同行评议提供帮助。在审稿人使用AI辅助审稿过程中，我们推荐将其用于润色撰写的审稿意见，也可有限度地引入AI生成的内容。但需要提醒审稿人的是，不要完全依赖AI撰写审稿意见，包括将稿件上传至AI平台进行审稿（如前文所述，这种做法违反保密原则）。己所不欲勿施于人，如果不希望自己的未发表稿件被上传至商业大语言模型或AI平台，被其用于训练模型或与他人分享未发表的信息，那么您作为审稿人也不应上传他人的稿件。如果选择使用AI来润色、翻译或生成部分内容，请务必仔细检查所有相关内容，确保其准确无误，且对自己提交的审稿意见负责。同时，也应向编辑说明使用AI的情况。无论作为作者还是审稿人，声明AI的使用情况始终是明智的做法。最后，我们建议，如果收到审稿邀请，但你没有足够的时间或稿件不在自己的专业领域范畴，与其盲目滥用AI，不如早点回绝这个邀请，以便编辑另寻合适的审稿人。

CCS Chemistry2026年第10期开篇是4篇综述文章，分别是：1）张红雨关于低温弹性有机晶体；2）刘岗和韩阿丽关于电催化硝酸盐还原制氨；3）狄重安关于人机融合智能感知；4）郭林和康建新关于无定形纳米材料。此外，还有31篇研究论文，涵盖了不对称羰基化、电场催化、电催化C-S偶联、张力型环蕃、不对称烯丙基去芳构化、动态共价化学、用于绿色合成的辐射技术、反应性机器学习势、金属-有机框架、锂-硫电池、高性能电子皮肤、超分辨成像、光动力治疗等方面的最新研究进展。每篇文章的导读请见：CCS Chemistry 2026年第10期上线

AI在同行评议乃至学术出版领域中的应用将持续演进。这也意味着，科研从业者——无论作为作者、审稿人还是编辑——都有责任共同维护科学文献的质量与严谨性。继续信任科学期刊上发表的研究成果对我们至关重要，然而仅靠AI主导的同行评议能否保障这种信任，仍值得商榷。人的因素在科学进程中至关重要，也必须继续作为同行评议的基石。审稿虽然耗费时间和精力，却也为我们提供了学习、品判性思考、磨炼决策能力，并帮助其他研究者更清晰地呈现其研究成果的宝贵机会。对学生和年轻研究人员而言，评审是一项重要的技能,这项技能将使他们在人工智能时代与众不同。

在此，我们由衷感谢所有审稿人，感谢为本期以及CCS Chemistry所有文章的评审投入的宝贵时间和精力。期待与大家携手一道不断探索更好的方式，共同服务科研共同体，守护科学记录的严谨与可靠。

张希 教授

CCS Chemistry主编

Donna J. Minton 博士

中国化学会出版主管

参考文献：

1) Brainard, J. Ready for the Robot Reviewers?Science,2026, 393, 963-967.

2) https://www.silverchair.com/news/future-of-peer-review-2026/ [Accessed Sept. 10, 2026].

3) Peer Review Week. Press Release for PRW,2026. (https://peerreviewweek.net/) [Accessed Sept. 8, 2026].

4) LeBlanc, A. G., et al. Scientific sinkhole: Estimating the cost of peer review based on survey data.Research Integrity and Peer Review,2023, 8, 2.

5) Bergstrom, C. T. and Bak-Colemen, J. AI, peer review and the human activity of science.NatureCareer Column. (2025) https://doi.org/10.1038/d41586-025-01839-w [Accessed Sept. 10, 2026].

6) Frontiers Media. Unlocking AI’s untapped potential: responsible innovation in research and publishing. Frontiers Media SA. (2025). https://www.frontiersin.org/news/2025/12/15/most-peer-reviewers-now-use-ai-and-publishing-policy-must-keep-pace [Accessed on Sept. 11, 2026].

注：本文根据CCS Chemistry2026年第10期editorial 翻译整理而成。

原文请见：https://doi.org/10.31635/ccschem.026.202600921ed1。