焦丽珍等：走向人机协同：大语言模型赋能学术论文评审的效能与边界

走向人机协同：大语言模型赋能学术论文评审的效能与边界

焦丽珍，刘选，刘俊杰，钟洪蕊

摘要：大语言模型在学术论文评审领域展现出巨大潜力，但其评审的效能及边界仍有待深入探索。以某教育技术类期刊为例，探索DeepSeek大语言模型协助学术论文评审的效能。研究发现，DeepSeek有助于提升稿件初审的效率和准确性，在评审论文的内在逻辑方面具有较高的可信度，并能为论文的修改和完善提供一定的借鉴意见；与人类专家相比，DeepSeek存在明显缺陷，如对学术论文评审“一板一眼”、创新性分析深度不足、提供的反馈建设性和适切性不足等。为更好地利用大语言模型赋能学术论文评审，切实为评审实践、学科发展和学术繁荣贡献力量，学界应恪守学术伦理，达成行业共识；加强数据安全，强化高质量数据集，构建垂直领域大模型；开展多元化人机协同评审，构筑机器赋能智能评审的边界。

焦丽珍.pdf