科研人不容易。

3 年投稿 6 次全被拒，每次等反馈要半年？？

机器学习大佬吴恩达听说这位学生的 " 水逆 " 遭遇后，亲手搓了个免费的 AI 论文评审智能体出来。

通过在 ICLR 2025 审稿数据上训练系统，并在测试集中对比发现，该 AI 审稿系统与人类审稿的相关系数达 0.42，和人与人审稿间的 0.41 相近甚至还高一点。

也就是说，AI 评审的判断已经和人类之间相互评审的一致性相当了。

对此，有网友表示：与其等 6 个月被拒，还不如几分钟内就被拒！

毕竟早拒早改早提交（doge）。

AI 评分和人类评分趋于一致

而且传统评审每轮反馈要等上数月，可收到的评论大都聚焦在 " 评判论文值不值得发表 " 上，却很少给出如何修改的具体建议。

而吴恩达的这款 AI 论文评审智能体，恰恰精准戳中这个痛点！

首先说一下它的 " 审稿 " 流程。

当你提交论文时，可以选你投的是哪个期刊 / 会议，系统就会根据那个会议的评审风格来判断。

它会把你提交的 PDF 转成 Markdown，确认这是学术论文后，自动提炼出一些关键词，比如你实验用了什么标准、你的题目和哪些现有论文类似。

然后用搜索工具去 arXiv 上找最新的相关研究，接着挑出最相关的论文进行总结，之后结合原文和这些总结，按模版给出完整的评审意见，同时提一些具体的、能操作的修改建议。

为了让这个系统更实用，团队还训练它模仿 ICLR 2025 的评审给论文打 1-10 分。

具体是先从原创性、研究问题重要性、结论是否有依据等 7 个维度打分，再用模型算出最终分数。

测试发现，AI 和人类审稿人的评分相关性是 0.42，人类之间的相关性才 0.41，说明这个 AI 快赶上人类水平了……

不过预测论文能不能被录用时，人类评分的准确率有 0.84，还是比 AI 的 0.75 高一些。

下面这张图片是 AI 和人类评审的校准图。

其中蓝色柱子展示了人类评分的分布情况，能看到人类评分在 4、5、6、7 分区间较为集中。

橙色折线则代表在对应人类评分区间内，AI 评分≤ 5.5 的比例，从图中可知，随着人类评分的升高，AI 评分≤ 5.5 的比例逐渐下降。

总结来说就是，AI 评分≤ 5.5 的比例随人类评分升高而显著降低，说明AI 评分在一定程度上能与人类评分的趋势保持一致。

也就是说，这个 AI 评审真能在一定程度上反映你的论文中稿几率。

当然了，AI 审稿主要参考 arXiv 上的内容，最终的结果可能会有误差。并且，虽然 AI 审稿快，但也不是立马能拿到结果。

实际上我们也上传了一篇论文，但目前的结果是稍等稍等稍等……

好消息是，我没有被 AI 几分钟就拒稿（doge）。

OMT

根据吴恩达的说法，这个 AI 论文自动评审智能体是斯坦福大学博士 Yixing Jiang 进行改进的。

他还曾在谷歌 DeepMind 实习过 7 个月。