更新时间：作者：小小条
AI评审占比引争议，近两成学术会议意见全由机器生成，顶会紧急调整规范应对论文代写
哥本哈根大学的科研团队最近提交了一篇花了半年时间打磨的论文，面对评审结果时直接愣住了，评论中居然对文中根本不存在的数据大做文章，评分低得离谱，工作人员反复核对后才发现，评审人似乎压根没认真读稿，这不是个人经历，这回规模让人咋舌，ICLR 2026会议的所有审稿意见被Pangram Labs用自研AI检测模型过了一遍，15899份意见直接被判定为全自动生成，占总量21%，人肉评审已经成了“稀缺资源”——更有趣的是，只有43%的意见完全没有AI参与，剩下的大多或多或少被AI操控过手，连投稿论文中都出现了199篇全靠AI写出来的成果，另外有9%的论文内容里AI生成占比过半，这些数字摆出来，学术圈瞬间炸开了锅
Pangram Labs的CEO马克斯・斯佩罗在检测报告发布会上强调，自家模型误报极低，检测流程包括OCR转码与分段分析，还专门用2022年前的论文核查过有效性，意味着那些被点名的AI评审基本坐实，比如光看内容长度与词汇密度就不难认出——许多意见废话连篇，逻辑混乱，引用要么随意拼凑，要么干脆胡编，评分尺度还特别极端，但找不到任何真正的技术依据，这种情况已影响到正常学术讨论
卡内基梅隆大学的格雷厄姆・诺伊比格（Graham Neubig）甚至在社交平台上发起悬赏，鼓励全球同行一起盯评审质量，大家讨论时最常提到的槽点就是，AI撰写的评论几乎不会给有价值的专业反馈，要么全是安全话术，要么随意挑刺，严重的时候还会直接误导作者，这样的意见对论文改进毫无帮助，甚至引发了不少学者的公开吐槽，部分作者为应对AI评审还特意在论文中插入隐藏关键词，试图“引导”机器打高分，这样一来，技术手段反而成了操控学术评价的新工具
ICLR会议官方随后发布了新规，强调所有用AI生成的论文内容必须明确标注，如被发现虚假引用或逻辑漏洞会直接拒稿，评审环节也要求人工把关，任何AI介入的评审一旦被认定为不合规，相关责任将追溯到审稿人本人，未来可能直接影响其投稿和评审资格，不止ICLR，CVPR、NeurIPS等顶级会议纷纷跟进，Nature和arXiv也已升级检测与公开流程，力求把AI使用过程透明化
学术评审工作量这几年激增，许多审稿专家在短时间内要高效处理多篇论文，而评审本身没有报酬，压力之下选择求助AI，*降低了反馈质量，学术圈显然到了不得不正视AI“滥用”问题的时候，如果不从结构上缓解人力评审负担，类似情况还可能反复出现
现在越来越多学者开始探讨AI在学术流程中的合理定位，讨论的声音远不止局限于技术本身，更多人关心AI是否会影响学术诚信与创新标准，毕竟，研究成果的价值最终还是要用人的专业判断去衡量，不知道大家怎么看待学术圈这波AI冲击，欢迎留言一起来聊聊，相关数据与检测流程详见ICLR、Pangram Labs及Nature公开报道
版权声明：本文转载于今日头条，版权归作者所有，如果侵权，请联系本站编辑删除