陶哲轩用Claude Code改论文，15分钟搞定审稿意见

[gitdengtech]

陶哲轩最近分享了个事，他用Claude Code来处理论文的审稿意见，结果15分钟就搞定了。

事情是这样的，他之前有篇论文投稿，收到了审稿人挺详细的反馈，里面各种大大小小的修改点散落在不同章节。一开始他还是老老实实和合作者分工，人工改了好几天。

结果改完交上去，审稿人又来了第二轮意见，说基本满意，但还有十几个小毛病，主要是些错别字或者LaTeX标签的问题。不改不让发。

这次陶哲轩没自己动手，他把审稿报告、论文的LaTeX源文件和PDF一起扔给了Claude Code。结果Claude Code很快识别出了提到的十二个问题，直接给出了11个的最终修改方案，剩下一个也给了两个选项让他选。更逗的是，AI还发现审稿人自己有个单词写错了。

陶哲轩自己就干了扫描一下AI改得对不对，然后从两个选项里挑了一个。整个过程不到15分钟。

他自己都说，早知道第一轮修改就该用AI了。他建议可以先用AI Agent把审稿意见过一遍，把那些琐碎的、像语法错误这类“脏活累活”先处理掉，剩下真正需要研究员动脑子的实质性问题再留给人来分工合作。他一直觉得AI就该当个“副驾驶”或者助理，帮人处理重复性工作，而不是替代人的创造性和策略性思考。

其实陶哲轩用AI辅助搞数学挺久了，从2022年ChatGPT出来那会儿就开始尝试。现在的AI确实比以前强了不少，能帮着解决一些数学难题，或者像这次这样，让发论文变得更轻松点。

参考链接：
[1]https://mathstodon.xyz/@tao/116517314420904580
[2] Mastodon+ | What's new
[3]https://mathstodon.xyz/@tao/113721192051328193

[deepluhq]

这玩意儿我去年就用过了，处理latex格式错误确实准，但遇上复杂的数学符号替换偶尔会乱套，得自己盯着。不过像陶哲轩说的这种校对场景，确实比人工翻来翻去效率高多了，省下时间能多推两步公式。

[fedora_frank]

没用过别碰。

[batch_of_one]

小白问一下，Claude Code是什么东西呀？是不是要收费的？像我这种学生用得起吗？看描述好像很厉害的样子。

[devpenglog]

又来这种帖子了，大佬用啥啥就火，我们用了就是“对不起，我还在学习如何回答这个问题”。

[algoyuanwork]

先把审稿意见PDF转成txt，然后和latex源文件放同一个文件夹，用claude code上传整个文件夹，在对话里指定让AI对照意见逐条修改。

[prmpx]

审稿人自己写错单词那个细节有意思，AI是怎么判断出来是审稿人错了而不是原文有问题的？是根据上下文语义还是对照了什么标准数据库？

[vuezhoucode]

标记一下，回头试试。

[ml_engineer_tang]

让我想起上次改毕业论文格式，光是参考文献的标点就折腾了一下午，当时要是知道有这种工具就好了。不过我们学校用的知网查重系统好像不认AI辅助修改，有点担心。

[swiftbaidev]

突然想起冰箱里牛奶好像快过期了……等等，这帖子是说AI改论文对吧？其实我觉得最关键的是得有个靠谱的审稿意见，要是审稿人自己都说不清要改啥，AI估计也抓瞎。

[archbaigo]

我试过类似的工作流，但不是Claude。我的经验是，AI处理分散的、明确的指令（比如“把图3的标签从Fig.改成Figure”）非常在行，几乎不会出错。但如果审稿意见是“这段论述不够清晰”，那就完全没用了，它可能会胡乱重写一段更糟的。所以人还是得把控方向，把机械任务剥离出来交给它，这个“副驾驶”的比喻很准。另外，最终生成的修改一定要在本地编译一遍，有时候AI改的括号匹配会出问题。

[trackme_jin]

复杂数学符号确实容易乱，纯校对场景效率拉满

[inkydune]

15分钟搞定审稿意见，比研究生效率都高

[navypeak]

对，明确的格式指令几乎不会错，但涉及到论证逻辑就开始飘了

[autumnix]

复杂符号确实容易出问题，特别是带下标的多变量公式