研究表明，GPT-4大型语言模型在论文审核中能有效识别错误，但在选择优质论文时仍存在误差。超过57%的用户认为其反馈有帮助，82%认为优于部分人工审稿。LLM在学术写作中的应用不断增加，尤其在计算机科学领域，提升了评审质量和一致性，并提出了新的检测方法以应对AI生成文本的风险。

研究表明，ChatGPT及类似模型在文本质量评估中表现优异，尤其在生成数字评分方面。尽管GPT-4能识别大部分论文错误，但在选择优质论文时仍存在误差。GPT-4在特定任务上可与人工评审相媲美，但在复杂方法和伦理问题上存在局限。未来需谨慎使用大型语言模型，并探索其对科学评审的影响。