上周三凌晨，我把一封大修信读完了。三条意见排版整齐，句式统一，连转折都用了同一个模子。第一条结尾是「建议作者补充相关研究以增强说服力」，第三条结尾也是这句。
第一反应是：这封回复信怎么写才能让审稿人点头。第二反应是：我可能压根不知道对面坐的是谁。
组里一聊，不只我这个感觉。有人把同门几篇返修意见摆在一起比对，不同期刊、不同审稿人，句式居然能互相复制。我去翻了 AI 评审的资料。
事实层：AI 已经坐在审稿桌边了
AAAI-26 做过一次现场试验（Biswas et al., 2026）。主赛道每篇进入完整评审的论文，共 22,977 篇，都额外收到一份明确标注为 AI 生成的评审意见，与人类评审并存而不替代人类。那届初投超过 30,000 篇，上一届约 15,000 篇。这是第一个会议级别的 AI 评审现场研究。
AI 评审，指由大语言模型生成的评审意见，可与人类意见并列。检测公司 Pangram Labs 在 2025 年估算，ICLR 2026 的官方评审意见里约 21% 完整由 AI 生成。口径要说清楚，这是检测机构的估算，不是同行评议流程内的测量。
体量也惊人：ICLR 2026 收到 19,490 篇投稿，产出超过 75,000 条评审意见（MIT 科技评论中文站，2026 年 8 月引 GPTZero 数据）。组委会同月出新规：作者须公开披露 LLM 使用情况，对内容准确性承担最终责任，违规可能面临拒稿。
更意外的是另一类。Nikkei 报道，至少 17 篇 arXiv 预印本嵌入了隐藏提示词，人眼看不见，大模型解析文本层能读到，作用是诱导 AI 评审只给正面评价。
一篇关于自动化学术评审的预印本（arXiv:2606.28277）把 AI 在评审中的角色分成四级：作者工具、审稿人工具、辅助评审、自动评审。它记录的两个现象更值得记住。
一个是蜂群效应（hivemind effect）：AI 评审过度一致，同一篇论文的评审组内趋同，跨论文也趋同，人类审稿人分歧里携带的弱信号被抹平。另一个是论文漂洗（paper laundering）：不动科学内容，只用大模型把稿子润色重写再投，AI 评审给分明显抬高。
我踩过的坑，以及现在怎么做
坑一，把 AI 评审当人类审稿人哄。人类审稿人在意的语气、礼节、铺垫，它不吃这套，它吃结构、证据和可核对的信息。蜂群效应意味着它更容易被套路化表述带过去，你越在措辞上讨好它，越可能只是在给漂洗加分。
坑二，把每条意见都当成重写文字就能解决，也就是刷新式重写：句子换了皮，结论一点没动。CASRAI 关于大修决定的指南把这条列为最大的规划误区。编辑与审稿人核查的是实质有没有改变，要么新增分析、新增数据，要么收窄并重构结论。只改措辞，第二轮还会被打回。
坑三，不分轻重，逐条硬磕。Academic Review Pro 的工作流指南给过一个经验分类：琐碎修改、中等请求、重大请求、你要反驳的分歧。前两类约占 60% 到 70%，该优先清掉，用来建立节奏。单条回复尽量压在 150 词以内。20 页的稿子配 40 页回复，编辑不会觉得你认真，只会觉得你分不清优先级。
坑四，拖到截止日才想延期。大修窗口通常 1 到数月，以决定信里的日期为准，延期必须在截止前申请，截止后再申请很少获批。还有一点，回复信很可能回到同一批原始审稿人手里，前后说法得经得起对照。
进阶做法：我把返修做成了一个流程
踩完这些坑，我把整件事挪进了 DeepBio（deepbio.bio，产品介绍在 intr.deepbio.bio）。它的工作流是上传资料、做结构化分析、再复核迭代，几步刚好对上返修。
第一步，把审稿意见、原稿和期刊的回复要求一起上传，让平台做结构化拆解。输出物是一份意见分类清单，加一张逐条回复矩阵。矩阵就是三段式表格：意见原文、我的回复、修改位置，一一对齐。这省掉反复翻找的时间，也逼我先把优先级定下来。
第二步，对着需要补证据的意见，用文献与证据整理定位可引用的支撑文献，把发现、证据等级和出处分开列，引文格式统一成目标期刊样式。证据链能落到具体文献上，回复里那句「已补充相关研究」才有东西托底。
第三步，用综述框架与论文写作把关键段落改到位。要补的分析直接写进正文，要收窄的结论明确改写，而不是在摘要里加一句「我们已修改」。如果这篇同时是学位论文的一章，可按院校学位论文格式模板统一图表编号与格式，这一环不用再返工。
第四步，让平台先生成一版回复信草稿骨架，仍是三段式，然后我逐条复核迭代。骨架不等于成品，涉及数据和结论的条目更要自己读一遍。DeepBio 是研究辅助工具，不替代作者与审稿人的专业判断。
边界：检测结果不能当结论
有句话必须说清楚：我没有、也不能证明那三条意见是 AI 写的。AI 文本检测本身就不可靠，一次检测的结果不能给任何一条意见下结论。我只是发现它的形态和公开资料里读到的情况吻合。
要紧的是我这边能不能拿出实质的东西。意见由 AI 还是由人写出，实质修改都是唯一站得住的回应。
所以现在收到返修信，我第一步不打开回复信模板，先分类：哪几条要给新分析、哪几条要改结论，最后才想措辞。
你最近一次返修，回复信写了多少页？哪一条意见最让你无从下手？评论区聊聊。
标签：SCI #期刊投稿 #论文写作 #审稿意见 #学术发表 #科研方法 #生物医药 #DeepBio
