LLM 能否胜任同行评审？来自金融与会计领域的证据

GPT-4o 对 2024 年 AFA 和 NBER 金融会议论文的评审打分，比作者声誉更能预测论文能否在未来两年发表于三大金融期刊——评分高一个标准差的论文发表概率高 44%。该预测力来自模型对正确性和表述的判断，而其对原创性和重要性的判断毫无预测力，强调重要性的评审指南也无效。这一"正确性 vs 贡献性"的分裂在会计论文和 GPT-5 上同样成立。