当AI评审科学时：我们能信任这位审稿人吗？

科学投稿的数量持续攀升，超过了合格人类审稿人的承载能力，并拉长了编辑处理的时间线。与此同时，现代大语言模型（LLM）在摘要生成、事实核查与文献甄别方面展现出令人瞩目的能力，使得将AI整合进同行评审日益具有吸引力——并且在实践中已不可避免。然而，早期部署与非正式采用已暴露出严重的失效模式。近期事件揭示，嵌入稿件中的隐藏提示词注入能够引导LLM生成的评审偏向毫无正当理由的正面判断。配套研究也证明了对对抗性措辞的脆弱性、权威与长度偏差以及幻觉性断言。这些事件为学术传播提出了一个核心问题：当AI评审科学时，我们能信任这位AI审稿人吗？本文对AI同行评审进行了以安全性与可靠性为中心的分析。我们梳理了覆盖评审全生命周期的攻击——训练与数据检索、初审（desk review）、深度评审、答辩（rebuttal）以及系统层面。我们在分层抽样的ICLR 2025投稿集上，通过四组处理-对照探针将该分类体系具体化，使用两个先进的基于LLM的审稿人，以隔离声望框架、断言强度、答辩谄媚与上下文投毒对评审分数的因果效应。这一分类体系与实验审计共同为评估和追踪AI同行评审的可靠性提供了基于证据的基线，并凸显了具体的失效点，以指导有针对性的、可检验的缓解措施。