AI反客为主：学术会议直面自动化危机

国际学习表征会议（ICLR）正陷入一个讽刺性困境——其严谨的同行评审系统被该会议本应研究的技术所提交的内容淹没。最新分析显示，人工智能撰写了今年近四分之一的评审意见。

自动化规模

第三方检测工具审查了ICLR 2026提交的全部76,000篇评审：

• 21% 完全由大语言模型生成
• 35% 存在显著AI编辑痕迹
• 仅 43% 确认为人类撰写

自动化评审并不含蓄——它们通常比人类撰写的篇幅更长，且平均给出更高分数。但质量与数量并不匹配。许多包含研究者所称的'幻觉引用'，即引用不存在的论文；还有些错误地标记投稿中的数值错误。

反弹与改革

这一发现引发研究者愤慨，他们发现自己作品竟由算法而非同行评判。社交媒体充斥着对荒谬反馈的投诉和追责诉求。

组委会回应称将实施'史上最严'反制措施：

• 投稿方面：未声明使用大语言模型的论文将遭立即拒稿
• 评审方面：允许AI辅助，但审稿人须对内容准确性全权负责
• 新监督机制：作者可私下标记可疑评审申请调查，承诺两周内反馈结果

危机根源

会议主席承认结构性压力加剧了危机。随着AI研究呈指数级增长：

• 每位审稿人需在严格的两周期限内处理约五篇论文
• 工作量远超往年预期
• 许多人可能将AI工具视为省时的拐杖

该事件引发关于生成式AI时代学术诚信的深刻拷问。当机器评价机器时，谁来保障质量？正如某研究员推文所言：'同行评审不该变成无人担责的自动化实验。' 未来数周将检验ICLR的新规能否重建信任——抑或学术会议需要更根本性改革来应对它们亲手助推的AI革命。

关键要点：

• ICLR超15,000篇评审完全由AI生成
• 自动化评审往往更长但准确性更低
• 新规禁止未声明的投稿及评审AI使用
• 研究者现可标记可疑评估申请调查
• 事件折射出AI扩散背景下维持学术标准的广泛挑战