AI 如何定位证据并起草审稿人回复？

2026-08-22

是什么让基于证据的回复工具区别于通用 AI 起草？

在 2026 年，真正能帮助作者高质量回复审稿人的工具，并非那些文笔最流畅的工具。它们应能将每条审稿意见映射到可引用的证据，核查该证据是否真正支持相关主张，然后起草一份措辞强度不超过现有记录所允许范围的回复。Jenova's Academic Research Assistant 围绕这一证据优先的闭环构建——文献发现、引文管理和以稿件为依据的起草——而 Scite、Elicit、SciSpace 和 Consensus 则分别以不同优势覆盖同一任务的一部分。

可用的 AI 反驳工作流与流畅却存在风险的工作流之间，关键区别包括：

✅ 按评论进行检索，而非为整封信提供单一的文献堆砌 ✅ 引文核查能够打开来源中的原句，而不只是查看参考文献字符串 ✅ 为每项主张提供支持标签——完全一致、部分支持、矛盾或无法确定 ✅ 与标签相匹配的审慎起草，而非将“表明”强化成“证明” ✅ 由人工审阅，以拒绝、收窄或删除 AI 提出的句子

一份 2026 年 Nature 关于 Frontiers 针对 111 个国家约 1,600 名学者开展调查的报道 发现，超过半数研究人员已在同行评审中使用过 AI。如今，撰写回复信的作者同样面临这一压力。若要有效比较工具，应将证据定位、引文验证和主张校准视为三项独立工作，而不是一项单纯的写作任务。

AI 学术论文评审流程图，展示知识获取、多维度问答引擎，以及综合生成最终评审意见的审稿智能体

为什么未经验证的引文会导致审稿回复信失败？

大多数失败或延迟的修订，并不是因为作者无礼，而是因为某篇引文并未表达回复信所声称的内容、承诺的分析并未出现在稿件中，或回复夸大了论文仅能微弱支持的发现。编辑和审稿人几分钟内就能核查这些不一致。

通用模型让这种失败模式更容易发生，而不是更难发生。大学指南对此表述明确：AI 系统经常编造看似真实但实际不存在的引文，而提交虚构参考文献会被视为学术欺诈。斯泰伦博斯大学的负责任使用指南补充指出，许多工具无法实时依据在线数据库验证参考文献。回复信是吸取这一教训的高风险场景，因为每一条新增引文都隐含承诺：该来源确实存在，并且支持你刚刚写下的那句确切表述。

还存在第二种更隐蔽的失败：论文真实存在，但使用方式错误。将方法论文作为结果证据引用、将综述作为原始试验引用，或将不同人群中的结果呈现为直接确认，这些做法即使通过 DOI 检查，仍然具有误导性。Scite 的 Smart Citations 正是为了显示后续研究是支持、质疑，还是仅仅提及某项主张而设计的，这与检查参考文献格式是否正确是不同的问题。

基于规则的参考文献检查工具在机械性层面确实表现强大。PoolText 指出，AI 参考文献检查工具对格式错误、缺失字段、标点和 DOI 格式具有很高准确性。这很有必要，但仍不足够。一项格式完美却缺乏支持的主张，依然是夸大表述。

在 AI 审稿回复工作流中应考察什么？

你应从六个维度评估工具：评论拆分、证据检索、来源原句验证、主张支持分类、校准式起草和修订记忆。任何工具即使只在其中一个维度表现优异，仍可能产出一封看似完成、实则并未完成的信。

本文使用的评论到证据对齐框架对六个维度赋予以下权重：

评论拆分（15%）——系统能否分离每一项审稿要求，包括在一段文字中隐藏两项要求的复合评论？
证据检索（20%）——它是否分别检索稿件、作者数据和外部文献，并说明支持来自哪个证据池？
来源原句验证（20%）——人工能否打开据称支撑回复的确切句子？
主张支持分类（20%）——每个拟议引文是否被标为已支持、部分支持、不支持或不确定？
校准式起草（15%）——文字是否继承该标签，还是默认输出自信的学术英语？
修订记忆（10%）——系统能否记住前几轮修改、已承诺的分析和被拒绝的措辞？

这种权重设置是有意为之。起草是这项工作中成本最低的部分。检索和分类才是决定回复信能否被引用、还是成为第二个审稿问题的环节。比较 AI 生成与人工同行评审的研究尚未显示 AI 相比人工审稿人具有确凿的附加价值，这对作者同样是有益提醒：流畅性并非有效性的信号。

能够迅速暴露工具弱点的实用测试：

向模型提供一条你的论文无法完全回答的审稿意见，观察它是否会编造结果。
要求它引用每篇文献中的支持性原句，而不只是提供引文键。
在起草任何回复句之前，强制进行四分类支持标签标注。
一周后重新运行同一条评论，检查回复信是否与此前的让步相矛盾。

如果某个产品无法以可见方式在这些测试中失败，它并没有帮助你。它只是在掩盖本应由你管理的不确定性。

领先的 AI 研究工具在证据检索和引文核查方面表现如何？

目前没有任何单一产品能够同时主导三项工作——为每条评论寻找证据、验证引文，以及起草不过度表述的回复。更有用的比较方式，是看每种工具究竟为哪项工作而构建。

功能 / 维度	Elicit	Jenova Academic Research Assistant	Scite	SciSpace Response-to-Reviewers
证据检索	跨越 1.25 亿以上论文的 AI 搜索与数据提取	实时文献发现，加上与稿件关联的知识库	在大型、由出版商支持的语料库中提供授权学术全文与引文上下文	面向审稿意见、以论文为依据的智能体工作流
引文验证	擅长结构化提取；在 Elicit 报告的测试中，1,511 个数据点中有 1,502 个正确（99.4%）	检索候选来源和引文详情；仍需人工确认来源原句	每项 AI 主张均链接至特定论文中的特定句子	有助于组装回复材料；验证深度取决于底层来源
回复信起草	间接支持——更适合表格和文献问题，而非完整信件	当评论和稿件处于同一会话中时，擅长逐点起草	间接支持——旨在检验研究发现是否站得住脚，而非撰写信件	专为审稿人回复起草工作流设计
主张支持信号	提取准确性，而非四标签支持体系	在起草循环中由用户施加分类规则	支持、对照和提及引文上下文	侧重与审稿意见对齐的结构，而非正式支持分类法
定价（截至 2026 年）	本评测未验证	提供限量使用的免费层；付费计划每月 $20 起	本评测未验证	本评测未验证
最适用场景	系统化提取和证据表格	始终与同一稿件关联的端到端修订周期	核查文献是否真正支持某句话	希望使用专用反驳起草智能体的作者

当审稿人要求补充缺失比较、绘制更清晰的相关工作图谱，或从一组研究中提取数值时，Elicit 最为强大。乔治梅森大学研究指南将其概述为一种能够总结论文并将数据提取到结构化证据视图中的工具。它在反驳中的局限是范围：出色的证据表尚不等于一封语气经过校准的信，而且它不会自动阻止你将提取出的发现提升为因果主张。

当风险在于误读文献时，Scite 最为强大。它检索超过 3 亿篇学术文章，更重要的是，它展示后续论文如何看待某项主张。当审稿人说“这篇引文不支持你的结论”，或者你想将一篇里程碑式论文当作全领域至今仍认可的结论来引用时，这正是合适的工具。它作为完整修订秘书的能力较弱：单靠它无法维护一封含 14 条评论的回复信、追踪稿件行号，或记住你在第一轮中作出的让步。

SciSpace 是少数将“回复审稿人”视为一等工作流而不是聊天提示词的产品之一。当你需要结构时，这种专注具有真正优势。与之相应的局限，也适用于任何起草智能体：如果底层证据层薄弱，结构化输出仍然可能夸大结果。

Consensus 是一款经过同行评审文献检索的搜索引擎，旨在快速发现、组织和分析科学主张。它适用于反驳中“该领域当前怎么说？”这一部分。它既不是引文审计工具，也不是信件格式化工具。

Jenova's Academic Research Assistant 位于这些专用工具之间。它可以将稿件、审稿人 PDF 和既往通信保留在一个持久工作区中，检索文献，并按评论起草回复。它并未原生提供 Scite 式的支持与对照引文统计，也不是像 PeerReply 的审稿人回复工作流 所宣传的那种可导出 Word 修订包的工具。这些都是坦诚的缺口。其弥补性优势在于连续性：一项持续六周的修订，比起一次性信件生成器，更需要记忆。

Paper Digest 值得作为狭义专业工具补充考虑。它以主张验证为导向，比起起草聊天机器人更接近 Scite，因此更适合作为第二轮检查工具，而非第一轮写作工具。

多维度问答引擎如何为每条评论定位支持性证据？

可靠的系统不会“阅读评审意见然后写信”。它会将每条审稿意见转化为查询，从三个独立知识池中检索，然后才决定能否起草回复。这正是上方流程图所展示的架构：先进行知识获取，再进行多维度问答，最后综合生成。

这三个证据池应保持区分：

稿件池——图、表、方法、局限性，以及你已经完成的任何分析。
作者池——实验室笔记、额外的稳健性检查、数据字典和既往回复信。
文献池——真正回应审稿人异议的论文，应通过类似 Scholar 的检索方式获取，而非依赖模型记忆。

混合这些证据池，正是夸大表述的起点。文献中真实的句子，并不是你的论文结果。笔记本中的敏感性检查，不是已发表表格。对于一条评论，有效的查询智能体会提出三个不同问题：这是否已在稿件中？如果没有，作者是否拥有未发表的支持？如果仍然没有，文献是否足以支持一项有边界的主张、一次修订或一项让步？

在实践中，Jenova's Academic Research Assistant 的检索步骤如下：

附加稿件、决定信和任何补充材料。
要求生成带编号的审稿要求清单，包括隐含请求。
对每一项要求，在起草前强制进行三证据池检索：

“审稿人 2，评论 3 询问：排除 2019 年子样本后，该效应是否仍然存在。请仅先检索已附加的稿件。引用能够回答该问题的表格、章节或句子。如果未找到，请说明‘稿件中未包含’，并列出所需的分析。不要将外部论文引用为我们的研究结果。”

只有在稿件中未找到答案后，智能体才应检索文献或提出新的分析建议。

专用反驳产品采用类似的拆分方式。Manusights 认为，通用语言模型仍然是起草信件本身最实用的工具，就行文而言这确实如此。但证据引擎仍必须位于该文本模型之前。否则，信件会变成对聊天机器人所找到的最相邻内容进行自信重述，而非对现有记录的准确陈述。

新颖性、有效性和重要性——多维度评审引擎中的三个分析轴——也是大多数审稿意见实际所在的三个轴。关于缺少基线的评论是有效性问题。关于增量贡献的评论是新颖性问题。关于是否值得关注的评论是重要性问题。以这种方式为评论打标签，可避免用一段重要性论述来回答有效性质疑。

在引用来源之前，AI 应如何分类引文支持度？

回复信中的每一条引文，在获准进入草稿前都应获得四种标签之一：已支持、部分支持、不支持或不确定。如果系统无法分配标签，就不应分配脚注。

主张与来源对齐的分类方案，包含已支持、部分支持、不支持和不确定四类，以及各标签所需的编辑处理方式

这种分类体系，正是引文检查工具与主张检查工具之间的区别。

已支持意味着，来源以与你即将使用的相同范围、人群和因果强度陈述该主张。处理方式：保留引文。可考虑增加一条五个字左右的上下文短语，让审稿人清楚看到二者的对应关系。

部分支持意味着，来源包含核心事实，但你的句子遗漏了限定条件、样本限制或相互冲突的次要结果。处理方式：重写句子以纳入缺失的细节，或用更合适的原始来源替换引文。这是真实反驳中最常见的诚实标签，也是通用聊天机器人会压缩为“已支持”的标签。

不支持意味着，该主张不存在、受到矛盾证据反驳，或以来源并不许可的方式被使用。处理方式：删除或替换。不要因为作者名单享有声望或 DOI 可以解析，就保留这条引文。

不确定意味着，PDF 被付费墙限制、相关章节含义模糊，或无法从可获取文本中确定主张与来源之间的关系。处理方式：打开论文阅读全文，或删除引文。不确定不是支持的一种温和形式。

Scite 通过展示后续论文是如何支持、质疑或讨论某项发现的，在文献规模上实现了与该体系相近的操作方式。这对外部引文极有价值。但它不会将你的新句子与你自己的图表进行分类。对于稿件内部主张，四标签体系必须由起草工作流本身应用。

可用于强制执行该体系的提示词：

“针对你为回复审稿人 1 提出的每个句子，输出：(1) 该句子，(2) 引文，(3) 来源或稿件中的逐字引文，(4) 一个标签——已支持 / 部分支持 / 不支持 / 不确定，以及 (5) 该标签要求的重写方式。不要包含任何标为不支持的句子。在向我展示前，重写所有部分支持的句子。”

Columbia Journalism Review 对 AI 搜索引擎的比较发现，即使所列来源是知名品牌，仍然存在系统性的引文失败问题。在这一维度上，学术工具优于开放网络问答引擎，但失败模式相同：可信的出版物名称被用作经过核查的原句的替代品。四标签关卡的存在，就是为了阻止这种替代。

如何在不夸大结论的情况下起草逐点回复？

应在标签完成后再起草，并让标签决定动词。“显示”“证明”和“证实”应保留给范围匹配的已支持主张。部分支持的主张应使用“与……一致”“部分回应”或“在［已说明限制］下成立”。不确定的主张不应使用动词，而应呈现计划或删除。

清晰的回复信框架如下：

用中性语言重述审稿人的观点。
说明你做了什么：论文中已有内容、新完成的分析，或明确让步。
指向具体位置：页码、行号、表格、图或补充材料。
只有当评论涉及文献时才引用外部研究，且必须附带支持标签。
以确切的稿件修改收尾，或以有边界的理由说明为何未作修改。

如果你事先提供约束条件，Jenova's Academic Research Assistant 可以在一封长信中维持该框架：

“仅使用证据表中已支持的项目和已重写的部分支持项目，起草对审稿人 2 的回复。使用我提供的动词列表。每一段都必须包括稿件定位信息或明确让步。不要将未来实验预告为已经完成。不要把引用论文讨论部分的内容描述为我们的研究结果。”

对于作为信件写作者使用的 SciSpace 或通用模型，同样的约束必须被粘贴进去，因为起草产品会优化完整性和礼貌性。完整性会让虚构分析出现。礼貌性会让分歧被升级为“我们同意，并且现已证明”。

审慎表述并非装饰，而是一项忠实性功能。有效的审慎表述应当具体：

范围限定：“在本样本中”“在线性设定下”“在完成完整随访的参与者中”
认识论限定：“与……一致”“不能排除”“提供初步支持”
过程限定：“我们现已报告”“我们已添加”“以当前设计无法检验”

反驳草稿中应禁止的强化包括：将相关性转化为效应、将稳健性检查转化为重复验证、将不显著结果转化为“没有差异”，以及将单一支持性引文转化为“这已被充分确立”。关于 AI 辅助学术写作的指南强调，作者仍有责任核查生成文本是否与稿件的实际主张相符。不同期刊对披露的规定各不相同，但The Conversation 对出版商规则的总结指出，常规机械性帮助可能无需引用，而实质性的 AI 生成内容通常需要披露。包含由模型起草的文献解释的回复信，通常属于后者。

ProofreaderPro 的审稿回复信实用指南 关于结构和语气的建议是正确的。但结构和语气并非难点。难点在于拒绝以比你的证据表所允许更强的方式回答评论。如果审稿人要求你并不具备的因果识别策略，诚实的草稿应是一段局限性说明，并在可行时提供较弱但可识别的分析——而不是更自信地重述原有回归结果。

用于捕捉夸大表述的第二轮提示词：

“将每个回复段落与证据表进行比较。标记任何动词强度高于其支持标签的句子。标记任何未被引用原句支撑的引文。标记任何不对应于已追踪稿件修改的承诺。”

研究诚信专家如何看待 AI 辅助的反驳？

从事同行评审诚信研究的人员不断强调同一点：AI 可以加快检索和格式化，但作者仍对发回编辑的每一句话的真值负责。

“我们看到的失败，很少是参考文献列表中缺少一个逗号。更多时候，是某个句子比它所引用论文允许的认识论强度高出一个等级。一个因‘乐于助人’而得到奖励的模型，除非你禁止它，否则会替你填补这个差距。最廉价的控制方式是架构性的：先检索，再标注，然后起草。如果颠倒这个顺序，信中就会出现你只能事后设法证明的主张。”

“智能引文工具降低了核查该领域是否仍然认同某篇论文的成本。但它们没有降低核查你自己表 3 是否支持回复第 6 段中动词的成本。第二项检查依然需要人类阅读一个数值和一句话。跳过它的作者并非节省时间，而是在向下一轮审稿借用时间。”

“我们还建议团队保留一份拒绝日志。每当模型想写‘我们证明’，而标签仅为部分支持时，就记录被拒绝的句子。两三篇论文之后，你就会发现实验室惯常的夸大模式——通常是因果动词、超出样本范围的泛化，以及将综述引用得仿佛它们是试验研究。自定义指令只是一种将该日志编码化的方式。”

——Jenova 产品团队，学术工作流设计，拥有八年支持稿件与引文系统的经验

这一建议与关于 AI 参与评审本身的研究文献一致。一篇关于 AI 在同行评审中应用的 PMC 综述强调，审稿人在作出任何决定前仍必须批判性评估 AI 生成内容。当 AI 位于决定信的作者一方时，同样的义务依然适用。使用 ChatGPT 类模型处理同行评审通信的作者，尤其被警告要根据稿件的核心主张和研究诚信来检验模型建议。

Editage 对 AI 处理同行评审回复的实测 的价值，与其说在于给出胜者通吃的排名，不如说在于揭示一种模式：模型可以判断一份回复看起来是否完整，却仍然无法有效判断其是否真实。看似完整，正是让回复信过早提交的特性。

何时应推翻 AI 起草的审稿人回复？

只要支持标签弱于句子本身、评论要求模型无法依据证据作出的判断，或同意该评论会使你承诺一个无法在下一轮中辩护的主张，你就应推翻草稿。推翻是常规路径，而非例外路径。

出现以下情况时应立即推翻：

智能体引用了一篇你尚未打开的论文。
智能体以增加引言文字、却没有新增检验的方式回应方法学批评。
智能体将审稿人的误解视为需要更多引文的请求，而不是重写你的解释。
智能体“找到”了资料库中不存在的分析。
智能体同意两位审稿人提出的相互不兼容的分析要求，却未标记该冲突。
智能体使用综述文章来支撑一项原始实证主张。

有些评论绝不应被完全委托处理。关于研究伦理、数据访问、利益冲突，以及某项结果是否具有临床或政策重要性的请求，需要由人类决定自己愿意为何种陈述承担责任。AI 可以整理文档，但无法为其承担责任。

还存在一个日益增长的反向问题：作者如今会遇到本身似乎由 AI 生成的审稿意见。正确的回应仍应以证据为先。重述评论中可执行的科学请求，忽略泛泛的填充内容，并回答你能够记录证明的请求。用一封听起来同样像 AI 的信来回应一份听起来像 AI 的评审，只会让文件中无依据的文本增加一倍。

针对每条评论，一套可执行的人在回路收尾流程如下：

阅读审稿人的句子，并亲自写出六个字的摘要。
在查看起草段落之前，先接受或拒绝智能体的证据行。
如果拒绝该证据行，不要编辑段落。让智能体返回检索阶段。
如果接受一条部分支持的证据行，亲自修改动词。
只有完成这些步骤后，才将段落放入回复信。

以这种方式使用时，Jenova's Academic Research Assistant、Scite、Elicit 和像 SciSpace 这样的专用起草智能体是互补的，而非可互换的。检索工具降低遗漏论文的概率。分类降低误用论文的概率。起草工具降低信件混乱的概率。除非你拒绝从未经标注的主张进行起草，否则它们都无法降低夸大表述的概率。

值得坚持的标准足够简单，可以放在提示词窗口上方：如果你无法指出支撑该动词的句子、表格或让步，该句子就不应出现在回复中。