“九个月200篇”的主张从何而来

波尔森教授在相关访谈中提出，大语言模型（LLM）等AI工具可以大幅压缩学术写作与文献整理所需的时间。在他描绘的情景中，研究者负责提出研究问题、设计框架并把关质量，而初稿撰写、文献综述、数据整理等高度耗时的环节则交由AI辅助完成，从而使论文产出规模远超传统模式成为可能。

这一主张并非指AI可以独立完成高质量研究，而是强调“人机协作”下的效率跃升。波尔森认为，AI在科研流程中的定位类似于一个能力极强的研究助理，能够处理海量信息并生成可供研究者修改完善的文本基础。

学术界的期待与保留态度

支持者认为，如果AI确实能承担大量重复性、流程化的工作，研究者可以把精力集中在选题创新和理论建构上，这对部分应用型、综述型研究尤其有意义。波尔森本人所专长的领域涉及统计学习与金融数据分析，此类依赖大量数据处理的研究方向被认为与AI工具的适配度较高。

但学界也存在明显的保留意见。批评者指出，论文数量激增可能加剧学术期刊的评审负担，并带来署名规范、原创性认定以及AI代写边界等尚未解决的问题。此外，能否在保证质量的前提下维持如此高的产出节奏，目前仍缺乏系统性的实证检验。相关说法中“200篇”更多被理解为一种对潜力的夸张化表述，而非已实现的成绩。

AI科研工具竞赛正当时

波尔森的言论正值全球AI科研辅助工具快速普及之际。以LLM为代表的生成式AI已被广泛应用于文献检索、代码生成和初稿写作等环节，各大学与研究机构也在加紧制定AI使用规范。在AI研究投入最为集中的美国学界，如何界定AI在学术产出中的合理角色，正成为新一个争议焦点。

总体来看，波尔森“九个月200篇”的说法反映了AI对科研生产效率的潜在提升空间，其核心论点有据可依，但具体数字带有明显的假设性色彩。综合判断：基本属实。