多数论文在提交期刊和会议后，会经历一轮同行评议 (peer-review)。有些会议会在评审完后，直接给出接收与否的结论，而更多的情况则会给一轮rebuttal（会议）或允许作者多次response（期刊）的机会。

那么，为什么要有同行评议呢？它有哪些利弊呢？如何回复呢？

为什么需要有同行评议呢？

首先，现今的研究方向已经非常细化。而科研人员在选择研究课题时，并不见得会始终只选择自己做得滚瓜烂熟的方向，总需要突破自己的舒适圈。在这种情况下，对新方向的认识存在片面性，甚至认识错误的概率就高得多。因此，为了更好地完善自己的研究成果，而不是为了论文而写论文，就更需要有熟悉这一方向的同行来帮助准确客观地评估论文的价值。所谓之，兼听则明，偏信则暗。

其次，和其他作者一样，导师也是人，不是神仙。是人就不可能不犯错，即使论文撰写时逻辑做得再完美，实验做得再完整，百密总有一疏。

第三，初出茅庐的学生，由于见不多识不广的原因，容易为自己的一些“新”创新激动 不已，甚至有可能会觉得是项惊天骇俗的成果。此时，光靠导师泼冷水已经浇不灭了。还有一种相对比较少的情况，即导师对学生成果的可信度缺乏足够把握时。关于这两种情况，都值得通过同行评议来给中肯的建议和获得更可靠的判断。

同行评议的弊端

但也需要注意的是，论文同行评议的的弊端也不是没有。

以人工智能领域的会议来说，近年来投稿量巨增，导致很难找评审。比如一个会议投稿5000篇，每篇文章需要3个评审，也就是15000次的审稿数量，假定每个评审能审6篇论文，那就需要2500个评审。要找到与论文档次和数量相当的、认真负责又刚好有时间空档来做这个义务审稿的评审，难度极其大。所以，今年人工智能顶会IJCAI通过SPC的快速拒稿机制（summary reject），先拒掉近40%的论文也不就奇怪了。即便如此，还剩下3000多篇要分配给匿名评审来审稿。

当论文投稿数量巨增时，评审的随机性、是否认真审稿、甚至“看不见”的小圈子都可能影响论文的接收。不仅如此，近年来过分关注论文指标引发的急功近利之心，也有可能导致对已发表论文的实质贡献大打折扣。

所以，为表明公正性，有些会议干脆公开评审的内容，如ICLR (International Conference on Learning Representation) 采用的是网上公开评审意见的方式。但是，仍然无法让所有人都满意，时不时也还是会有人置疑评审的公正性或判断的合理性。

期刊在选择评审这一块也存在一些不足。比如当主编分配给编委与其研究方向差距甚远的论文时，编委就有相当的困难找到合适的评审。有名气的一般没时间审，没名的又得担心其不懂套路，一通乱审，评审意见毫无意义。由于是义务审稿，还有些评审对审稿的邀请和截止时间熟视无睹，导致论文的审稿周期无形中被延长。

所以，在线发表论文的网站如arXiv、bioRxiv也就应运而生。但缺乏同行评议的工作，并不是所有人都认可这些成果的有效性。比如有些文章纯粹是为了占坑而抢先发arXiV，根本就没对论文实验的可信度作认真检查。这种情况下发表的论文， 如果未被引用或被比较，评审也不会太在意。毕竟其结果没有经过同行评议，无法验证真伪。

因此，总体来看，有同行评议的论文相对而言，更有含金量。那么，如何通过同行评议来提升论文的质量呢？另外，如何能够更好的回复评审提出的问题呢？所谓知已知彼，百战不殆。那么，我们先看看评审会怎么审稿呢？

实际上，在之前的几节里，我已经就论文可能存在的各种问题做了分析和说明。如果都能做到，留给评审的漏洞应该就很少。

评审的小李飞刀与温柔一刀 

从评审角度来看，当他认为论文存在较大问题，往往会考虑以下理由。

 1）缺乏近三年最新算法的实验比较。此问题，在国内的很多投稿文章中见得比较多。回复这一问题往往需要相当长的时间准备，因为要重做实验。如果是期刊，一般会是大修。会议，则有可能直接被拒了。