一位菲尔兹奖得主公开展示如何用AI工具审稿，整个学术界都在关注。2006年获奖的华裔数学家陶哲轩在社交媒体上分享了他使用Anthropic旗下Claude Code完成学术论文评审的完整流程，结果令人震惊：原本需要数小时的审稿工作，现在只需15分钟就能完成，而且还能反向指出审稿人意见中的错误。
陶哲轩的用法并不复杂。他将待审论文交给Claude Code处理，让AI完成初步的方法论检查、逻辑一致性验证和结构化反馈生成。随后陶哲轩本人进行人工复核，纠正模型偏差，补充AI无法替代的专业领域判断。这一模式的核心价值并非单纯的速度提升，而是认知负担的转移。关键细节在于，该工具还能审查审稿人自身的意见质量——这意味着AI扮演的是整个评审流程的质量控制角色，而不仅仅是辅助阅读工具。
此事的分量在于陶哲轩的身份。他并非计算机科学家，无需为AI技术站台；他是纯粹数学家，学术声誉建立在严谨可复现的推理之上。一个以证明猜想为业的人，愿意将同行评审这样的核心学术职责托付给大模型，这本身就是无声的论证。陶哲轩与Anthropic没有商业利益关联，这份背书出自实际使用，而非公关安排。
Claude Code是Anthropic推出的命令行工具，允许开发者在本地运行大模型智能体并与代码仓库、构建系统集成。此次被用于学术场景，标志着其设计边界的一次延伸。对于审稿场景而言，核心能力在于文档解析、逻辑连贯性检查和结构化反馈生成——这些任务随着论文篇幅增长和技术深度加深而急剧复杂化。
更深层的意义在于，AI或许无法取代人类审稿人，但正在改变瓶颈所在。学术出版周期长的原因之一是专家注意力稀缺。如果一款工具能将四小时的审稿压缩至十五分钟，同时不损失必要的严谨性——以菲尔兹奖得主的标准作为质量参照——那么同行评审的经济学逻辑将被彻底改写。更多审稿人能处理更多稿件，周期从数月压缩至数周将成为可能。
当然也存在局限。数学推理所需的深度理解是当前模型能够逼近但无法保证的能力。十五分钟内能发现表面错误的系统，可能仍会遗漏需要专业人士数年积累才能识别的微妙逻辑漏洞。陶哲轩的案例展示的是潜力，而非大规模验证。他的方法能否被其他数学家复制，仍是开放的实证问题。
但先例本身已足够重要。当陶哲轩级别的学者公开将AI引入核心学术职责，同行评审自动化的可接受边界便随之移动。一刻钟实际使用换来的背书，胜过一千份行业白皮书。这种级别的可信度，不是花钱能买到的，而这恰恰是其价值所在。