STOC 2026學術會議試辦投稿前AI先幫論文抓錯，改過再送審

Google研究院揭露一項理論計算機科學社群的實驗結果，針對STOC 2026投稿，提供投稿前的自動化回饋，目標是在論文送交程序委員會審閱前，先協助作者找出證明或推導中可能的錯誤、符號不一致與表述不清之處，讓研究團隊能在截止前完成必要修正與潤稿。 

STOC 2026這項實驗計畫採自願加入，主辦方也強調回饋用於投稿前的自我檢查與潤稿，目的在於不干擾正式同儕審閱的獨立性。回饋主要提供給作者參考，僅在維運所需的最低範圍內由主辦團隊接觸。

Google表示該工具針對數學嚴謹性做過最佳化，採用推論運算擴展（Inference Scaling）的設計，會同時探索多條推理與評估路徑，再彙整成較一致的結論，以降低模型常見的幻覺與遺漏。論文作者收到的回饋也以固定結構呈現，通常包含對論文貢獻的摘要，並指出可能錯誤與可改進之處，以及較細碎的用語與錯字修正。 

該工具能抓到的問題範圍從變數命名不一致這類低階瑕疵，到計算錯誤、不等式使用不當、證明邏輯缺陷等較深層的技術風險。文中也引用作者回饋，指出模型曾找出讓整個證明不成立的關鍵漏洞，而且是團隊長期未察覺的簡單錯誤。

Google也公布初步調查資料，表示有120多位參與者在同意下回覆問卷，在實驗結束時超過80%投稿選擇加入，97%認為回饋有幫助，97%表示未來還會再用，81%認為改善了可讀性或清晰度。另有75%受訪者認為此工具具教學價值，可讓學生更快收到對嚴謹性與表達的即時指正，並有88%表示希望在整個研究過程中持續使用。 

不過，STOC實驗計畫頁面提醒，模型主要評估論文前後一致的數學嚴謹性，並不具備外部領域常識或口耳相傳但未明文寫下的已知結果，因此可能把依賴未寫出前提的段落誤判為錯誤。Google也指出，模型在解析複雜記號或圖表時仍可能失準，因此輸出應被視為協助檢查的線索，由作者自行驗證與取捨。隱私方面，實驗計畫頁面寫明論文不會被記錄、保存或用於訓練，僅供一次性產生回饋之用，且存取以自動化流程為主，僅在罕見故障除錯時才由極少數主辦者接觸內容。