知识卡片：AI 资助评审是否会让科学更保守？

一句话结论

Nature 报道的一项 Scientometrics 研究显示，GPT-4o 在对 139 份真实资助申请做两两比较排序时，与人类评审最终决定的总体一致率约为 60%，但在“新颖性”评分高的提案上系统性地更不愿资助，提示 AI 辅助评审可能把经费推向既有思路、抑制突破性研究。

事件概述或研究问题

• 背景：AI 在稿件评审中的使用快速增加，部分资助机构也在探索用 AI 审核基金申请，主要看重速度与效率。
• 核心问题：把研究资助决策部分外包给 AI，是否会降低科学新颖性、让资助更保守？
• 报道主体：Nature Index 新闻（2026 年 11 月 3 日，作者 Elliot Yates），围绕 Diogo Machado 于 2026 年 8 月发表在 Scientometrics 第 131 卷 7479–7497 页的分析展开。

方法/产品要点

• 模型与任务：使用 OpenAI 的 GPT-4o，提示词极简——“Which proposal should be funded? Answer with A or B only.”
• 评审方式：同领域内两两配对比较，胜场最多的提案排名最高并被选中资助。
• 数据：2021 年提交给奥地利科学基金（Austrian Science Fund，奥地利主要基础研究公共资助机构）的 139 份真实申请，含全文、人类评审在四个标准（新颖性、科学质量、团队能力、可行性）上的评分，以及实际最终资助决定。
• 作者身份：Diogo Machado 领导英国布莱顿科学政策咨询机构 Technopolis 的数据科学团队。

主要结果或产业意义

• 总体一致率：AI 与人类评审最终决定的一致率约 60%。
• 关键偏差：对“新颖性”评分高的提案，AI 比人类评审“系统性地更不愿意”资助。
• 作者解释（推测性）：LLM 从海量数据中的重复模式学习，天然更擅长识别主流想法；新贡献在训练数据中出现得更少，模型缺乏可比对的模式，因而更难识别其价值。
• 产业动向：英国研究创新署（UK Research and Innovation）上月宣布探索 AI 辅助评估，先以受控试验将 AI 生成的评估与过往资助决定作比较；Wellcome 以隐私为由禁止评审人将申请输入生成式 AI 工具，但允许用于“副任务”，如核查是否已有类似研究。

为什么重要

• 若 AI 辅助评审制度化，其对新颖性的系统性保守倾向可能改变基础研究的经费配置方向，影响潜在突破的产生概率。
• 与既有卡片《AI 会抢发你的科学发现吗？》的增量关系：那张卡片关注 AI 作为“研究竞争者”带来的信息封闭风险；本条关注 AI 作为“资助守门人”带来的选题保守化风险，二者共同指向 AI 在科研治理环节的角色扩张。
• 为资助机构设计保障措施（safeguards）提供实证依据，是政策讨论中少见的、基于真实申请数据的量化证据。

局限与不确定性

• 提示词不对等：AI 只被问“该资助哪份”，未获得人类评审使用的四项标准，可能低估 AI 在给定明确标准时的表现（原文亦承认此局限）。
• 未解释机制：研究未调查新颖性偏差的成因，模式学习假说属作者推测。
• 新颖性本身难标准化：RAND Europe 科学与新兴技术主任 Susan Guthrie 指出，新颖性高度主观，即使要求 AI 评估新颖性也未必能做准。
• 单一模型、单一资助机构、单一年份样本（139 份、2021 年、奥地利），跨机构与跨模型的可推广性待核实。
• 报道中 UKRI 试验结果、其他资助机构 AI 评审的实际部署效果均未见结论，待核实。

可用于图书/PPT/简报的角度

• “AI 守门人”隐喻：从同行评审到资助评审，AI 介入科研决策链条的每一环及其偏差代价。
• 效率与新颖性的权衡：60% 一致率的含义（是 AI 太保守，还是人类评审有噪声？）可作为讨论切入点。
• 训练数据即先验：为什么“符合主流”的模型天然不利于“偏离主流”的创新——可用于解释 LLM 的一般性局限。
• 政策设计案例：UKRI 受控试验 vs Wellcome 的“禁用+副任务”路线，两种治理路径对比。
• 与“AI 抢发科学发现”卡片并列，构成“AI 在科研生态中的双重挤出效应”叙事。

原始材料

• 标题：Will AI grant reviews make science more conservative?
• 来源：Nature（Nature Index），2026 年 11 月 3 日在线发表
• 作者：Elliot Yates
• DOI：https://doi.org/10.1038/d41586-026-03340-4
• 引用研究：Machado, D. Scientometrics 131, 7479–7497 (2026)
• 关键词：AI grant review；scientific novelty；funding decisions；GPT-4o；Scientometrics；Austrian Science Fund；UK Research and Innovation；Wellcome；LLM bias