读起来像AI写的申请书更容易拿到NIH的钱——但提出的问题更小
西北大学凯洛格商学院的王大顺和钱一凡昨天在《美国国家科学院院刊》发表研究，考察了美国联邦科研经费的分配。带有较强AI辅助写作特征的项目申请书，获得美国国立卫生研究院资助的比例比没有这类特征的高出四个百分点。而同样这些申请书在语义独特性上得分更低：它们更接近该机构此前已经资助过的工作。在美国国家科学基金会那边，作者没有发现AI辅助写作与成功率之间存在显著关系。
为什么重要?这是迄今为止AI工具优化错目标的最清晰案例。用过去的中选项目训练出来的模型，写出看起来像过去中选项目的申请书，而评审又奖励这种相似性——对于一个本职就是资助无人尝试过之事的机构而言，这恰恰是反着来的。NSF的结果同样重要：无论这两家机构在评审环节有什么不同，其中一家并没有为“熟悉感”付出同样的溢价。
在App中阅读——免费，9种语言
相关新闻
美国拉上16个国家，把 AI 放进科学的中心2026-10-05数学家用普通聊天框解决了五个未解难题
2026-10-05没微调过的模型解开了微调版做不出的任务。
2026-10-04用普通照片预训练的模型在推理测试拿到70%
2026-10-04谷歌把人工智能芯片送上轨道，看它们能不能活下来。
2026-10-03