谷歌把"审稿 agent"公开发布了：在四个顶会预审 1.6 万篇论文后，Deep Review 向所有人开放

做研究的人都有个体感：现在写东西越来越快，但"想清楚东西对不对"的速度没变。

谷歌管这叫"验证瓶颈"（validation bottleneck）：AI 让内容生产暴涨，人类的验证能力原地踏步。10 月 14 日，他们把内部打磨了一年的审稿系统 Deep Review 公开发布了，每人每周送两次免费审稿。

而这个系统不是实验室原型，是在四个顶级会议上真刀真枪预审过 16,000 多篇论文的老兵。我把它的一年成绩单和技术细节都挖了一遍，讲给你听。

一、先看它要解决多大的窟窿

数字最诚实。2023 年，ICLR、NeurIPS、ICML 三个顶会加起来约 24,000 篇投稿；2026 年，这个数字变成了 75,000 以上，四年翻了三倍多。而每篇稿子都需要多个高质量评审。投稿指数级涨，合格的审稿人是线性培养的，窟窿只会越来越大。

▲ 三大 AI 顶会投稿量：2023 年 24,000 → 2026 年 75,000+（图源：Google 原文，下同）

二、一年的试点成绩单，比想象中硬

Deep Review 的前身是内部实验项目 PAT（Paper Assistant Tool）。过去一年多，谷歌和 STOC 2026、ICML 2026、NeurIPS 2026、ICLR 2027 四个旗舰会议合作：作者在截稿前几周可以自愿把稿子丢给 PAT，拿到详细的预审反馈。

机制设计上有个关键点：这套反馈和官方评审完全解耦，不收集任何训练数据，试点结束论文立即删除。所以它是纯粹的"投稿前压力测试"，不是变相的数据采集。

四站的成绩单：

▲ 四站试点汇总：STOC 220 篇 → NeurIPS/ICLR 合计 11,500+ 篇

挑几个最扎眼的：

STOC 首站，97% 的作者反馈"有帮助，还会再用"。ICML 站，92.1% 愿意再用；35.4% 的理论论文作者说，工具挖出了需要一小时以上工作量才能补齐的重大理论缺口；31.0% 的实验论文作者说，反馈促使他们在投稿前设计并执行了全新的实验。NeurIPS 和 ICLR 站，"非常或大体有帮助"的比例从 73% 升到 86%，"无帮助"从 9.3% 降到 2.9%；94% 的受访者确认反馈是事实性的；58.5% 的 ICLR 作者因为反馈跑了新实验，43.37% 被指出重大理论缺口。

注意这些数字的分量：这不是"帮我润色了语言"级别的反馈，是把理论漏洞和新实验需求从稿子里逼出来了。而且他们提到，接入了 Gemini 4 Argon 之后，底层能力还在继续涨。

三、技术上凭什么：四阶段 agent 管线

为什么单次大模型调用审不了长论文？谷歌的解释很直白：token 推理预算会被耗尽、长上下文跨节依赖会被忽略、细致的主张会被不加深究地接受。

Deep Review 的解法是拆开干：

▲ 四阶段管线：分段 → 自适应预算 → 并行深审 → 全局综合与接地核查

第一步，文档分段。一个 segmenter agent 把文档自动拆成逻辑段落（引言、方法、实验），允许重叠，必须全覆盖。

第二步，自适应预算。不是每节都给同样的算力。管线看信息密度动态分配，密集数学证明的节给高算力，引言和 related work 给轻算力。这个"该省省该花花"的设计很反直觉但很关键：均匀用力才是浪费。

第三步，深度并行验证。专门的推理 agent 并行审查每一段。每个 agent 都能访问全文上下文来追踪交叉引用，但火力集中在自己那一段。既保证单个评审 swarm 的任务可消化，又保证并行 swarm 之间协调。

第四步，全局综合与 agentic 接地。一个综合 agent 合并各段报告，做跨节一致性检查，必要时重跑逻辑检查；最后做外部接地核查和工具调用，作为防幻觉的最后一道闸。

四、不止论文：设计文档、PPT、合同都能审

谷歌的判断是，验证论文证明成立的推理机制，同样可以拿去查其他"主张必须有证据支撑"的文档。所以 Deep Review 现在支持三类新场景：

设计文档：抓未言明的架构假设、找边界情况、给具体改进建议。演示文稿：检查幻灯片之间逻辑是否顺、要点和图表是否对得上。法律和金融文档：跨条款和数据表查内部一致性，标出模糊措辞和下游后果，把主张和支撑证据对上。

顺手他们还发了个 Antigravity 里的"Teamwork 深度文档评审模式"，多 agent 层级架构带自纠偏和分段评分卡，一条 /teamwork-preview 命令就能调用。

五、怎么用，以及边界在哪

入口有三个：Google Research 门户（每人每周 2 次免费评审）、接 Gemini API key 的 Deep Review API（适合写进 CI 和起草流程的高频用户）、以及预印本论文可读方法论。目前支持 PDF 和纯文本，多文件输入在路上。

隐私政策值得单独说一句：上传的文档永远不会被用来训练、微调或改进谷歌模型，只存储一年用于在用户界面里展示。

六、我的几点想法

第一，这个项目最有说服力的不是技术，是部署伦理设计。自愿参与、与官方评审解耦、不留存数据、事后删除，每一条都是和会议主办方谈出来的信任条款。做学术工具的公司都值得抄这套做法，比事后发道歉声明便宜得多。

第二，94% 的"事实性"反馈率是个值得盯的指标。审稿 agent 最大的风险不是没用，是"看起来很专业地胡说"。他们选择在管线末端加外部接地核查和工具调用，而不是指望模型自觉，这个工程取向是对的。但反过来说，剩下 6% 的幻觉落在谁头上，就是一个责任问题了。

第三，对写论文的人，这个工具的用法可能有微妙变化。官方定位是起草期的迭代改进工具，但在"评审前压力测试"这个用法上，它实际上重构了信息不对称：以前只有大厂实验室和名校 PI 的学生能拿到投稿前的高质量内部预审，现在每人每周两次。审稿网络的特权正在被拉平，这是好事。

第四，拉长时间线看，75,000 篇投稿这个数字本身迟早也会被 AI 改写。当验证能力追上来之后，投稿量的天花板会再次上移。审稿 agent 解决的是当下的窟窿，而它参与创造的是下一个窟窿。这个循环大概不会停。

工具入口在 Google Research 的 Deep Review 门户，论文投出去之前，值得一试。

参考：Google Research Blog, "Analyzing technical documents with Deep Review", 2026-10-14。文中数据与图表来自原文，图片版权归 Google 所有。