AREX Feed Article
Springer Nature 与 Google DeepMind 共同设计 AI 审稿助手，原型正在私有 Gemini Enterprise 环境中测试
2026 年 10 月 26 日，学术出版机构 Springer Nature 与 Google DeepMind 宣布开展研究合作，共同设计一款基于 Gemini 模型的 AI 同行评审助手。双方在 中称，原型正在测试中；系统用 Google 开源的 Agent Development Kit（ADK）搭建，只运行在 Springer Nature 私有的 Gemini Enterprise 平台内。
同一天，，并补充背景：AI 辅助产出的科研内容迅速增加，同行评审体系承受压力。
原型做的是读稿和提示，判断仍归审稿人
按公告的描述，助手要帮审稿人更有效地读稿：在长篇稿件中定位内容，分析大量文字、图表和插图，标出可能需要重点核查的地方，让审稿人把时间留给需要专业判断的问题。公告称，这个原型旨在把同行评审重新设想为一种「互动体验」，但人类专家的判断仍留在流程中心。
公告说，这项合作结合了 Springer Nature 管理同行评审的经验与 Google DeepMind 的 Gemini 模型。Springer Nature 首席产品官 Saskia Steinacker 说：「审稿人的专业知识和判断是同行评审的基础。」她表示，随着研究的体量与复杂度增长，出版社希望探索 AI 如何负责任地支持这种专业能力，「让审稿人把时间集中在最重要、最需要专业科学判断的问题上」。Google DeepMind 应用 AI 高级总监（Senior Director, Applied AI）Seshu Ajjarapu 称，双方要建的是一个能缓解投稿量增长压力、同时维持编辑标准的平台。
三个 AI 会议 2026 年收到逾 7.4 万篇投稿
Ajjarapu 提到的投稿压力，在 Google 自己的数据里有具体数字。Google Research 在 2026 年 10 月 14 日发布的 给出的统计是：ICLR、NeurIPS、ICML 三个会议 2026 年合计收到逾 7.4 万篇投稿，2025 年约为 4.5 万篇。这组数字来自 AI 领域的三个会议，不是 Springer Nature 的期刊投稿量。博文还写道，AI 加快了内容生产，人核对内容的能力却「基本没变」，两者之间形成「验证瓶颈」。
Google Research 在 Deep Review 发布博文中给出的投稿量图。图片来源：Google Research
据 ，剑桥大学出版社发布的 Publishing Futures 报告调查了 3,000 多名研究者：81% 的受访者同意，研究产出数量增加使同行评审体系承压；53% 认为 AI 会给科研出版带来负面影响。
一条写在公告里的边界：内容不出私有环境
ADK 是 Google 开源的一套 agent（智能体）开发框架。按 ，它用于构建、调试和部署企业级 AI agent，原生支持多 agent 架构，可用 Python、TypeScript、Go 和 Java 编写。
公告说，系统只运行在 Springer Nature 私有的 Gemini Enterprise 平台上，因此用于开发和测试的内容都留在该公司的安全环境内，作者与审稿人的机密性得以维持。
Springer Nature 对审稿人使用 AI 另有一套政策。该政策把「把稿件上传到公开或不安全的工具」「生成完整评审报告」「给出接收或拒稿建议」「把批判性判断交给 AI」列为不允许的做法，同时要求审稿人披露 AI 使用情况，并对报告内容负责。 还写明，披露不会对审稿人身份产生负面影响。
公告点名的两个 Google 工具：ScholarPeer 与 Deep Review
公告说，助手借鉴了 Google 开发 agentic（智能体式）研究工具的经验，点名 ScholarPeer 与 Deep Review。
Google Research 在 2026 年 4 月的中介绍了 ScholarPeer。这是一个审稿 agent，用多 agent 框架模拟资深研究者的工作流：一个模块建立领域文献背景，一个模块专门找作者可能漏掉的基线，再由多轮问答核查论文的技术主张，最后生成包含总结、优点、缺点和对作者提问的报告。文章同时注明，这类工具是实验性研究原型，不是可投产产品，其自动反馈只用于研究探索，不应作为编辑或发表决定的依据。
Deep Review 已经公开上线。Google 在 2026 年 10 月 14 日发布它；此前它叫 Paper Assistant Tool，与 STOC 2026、ICML 2026、NeurIPS 2026、ICLR 2027 四个会议合作，为作者自愿参与的逾 16,000 篇稿件提供提交前反馈，并与会议的正式评审流程分开。博文描述了它的四阶段流水线：切分文档、按段落复杂度分配算力、并行核查各段、最后做全局综合并检索外部资料校准。
Deep Review 的四阶段流水线：文档切分、自适应算力分配、并行评审、全局综合。图片来源：Google Research
Deep Review 与 Springer Nature 版助手的差别在数据边界。前者面向公众开放，上传的文档不用于训练，但会在 Google 系统中保留一年，用于在界面向用户展示；Springer Nature 的版本则被限定在私有环境内。
审稿人已经在用 AI，分歧在怎么用
据 ，IOP Publishing 的调查显示，32% 的受访者已在某种程度上用 AI 辅助评审；41% 认为 AI 对评审的潜在影响是正面的，37% 持负面看法，两者几乎持平；中立或不确定的比例从 36% 降到 22%。IOP 称这显示观点「日益极化」。
报道还提到，13% 的人让 AI 总结正在评审的文章，2% 承认把整篇稿件上传给聊天机器人，让它代写评审。IOP Publishing 当时不允许在同行评审中使用 AI；该机构提出的一个方向，是开发能直接运行在评审软件内部的工具，让审稿人获得支持，同时不引入安全与诚信风险。
测试仍在继续，部署时间表尚未公布
公告说，这项合作是 Springer Nature 改善投稿与评审流程长期工作的一部分，该工作包括其自研出版平台 Snapp。
公告还称，随着测试推进和开发继续，将分享进一步消息。
Research Information 在 2026 年 10 月 26 日的 中写道，两家公司尚未公布更广泛部署的时间表。