AI 现在发现临床试验论文中错误的本事远超人类同行评审：受测的 15 个模型在植入错误上的得分在 53% 至 96% 之间，而未经训练的人类评审平均只有……
一项新预印本用植入错误测试了 15 个 AI 模型：它们的得分在 53% 至 96% 之间，而未经训练的人类评审平均只有 27%；这一结果在 2026 年发表的 58 项新试验中依然成立。人类发现文本与表格矛盾的比例只有 7%，每篇评审耗时 5 至 8.5 小时，而 AI 只需 1.4 至 16.3 分钟；Claude Opus 5.5 以 99% 居首。为什么重要：这项发现为“期刊是否应在同行评审中使用 AI”之争添了新料，而最能改变试验含义的错误恰恰是人类最容易漏掉的。
报道来源
- Rohan Paul2026-10-29 00:18