居然有21%的ICLR2026評審，純用AI生成

歡迎觀看本期【我】，在閱讀此文之前，麻煩您點擊一下“關(guān)注”，既方便您進行討論和分享，又能給您帶來不一樣的參與感，感謝您的支持。

ICLR2026這屆頂會，算是徹底爆出大瓜了，居然有五分之一還多的評審意見是純AI生成的！這事兒不是空穴來風，是Pangram實驗室實打?qū)崣z測出來的，而整件事的開端，還挺有戲劇性。

懸賞引出檢測行動CMU的AI研究員GrahamNeubig，前段時間收到了幾篇論文的同行評審，看完就覺得不對勁。

這些評審內(nèi)容極為冗長，堆砌大量專業(yè)符號，而且，其要求的分析方式并非人工智能領(lǐng)域?qū)徃迦藨T用的標準統(tǒng)計方法，實難令人滿意。

Graham因無暇開展系統(tǒng)性檢測，遂于社交平臺發(fā)布懸賞，他愿慷慨拿出50美元，將這筆獎金授予首位能檢測出ICLR論文與評審里AI文本占比的人士。

Pangram實驗室剛好是做AI文本檢測工具的，直接接下了這個活，50美元不算多，但實驗室顯然更看重這個話題的價值。

他們的目標很明確，不是要揪出誰用了AI，而是想把這個行業(yè)趨勢擺到臺面上，讓大家看看頂會里的AI代寫已經(jīng)到了什么程度。

技術(shù)手段掃清障礙要做檢測，第一步得先拿到數(shù)據(jù)，Pangram從OpenReview上拉來了ICLR2026的全部數(shù)據(jù)，差不多兩萬篇論文投稿，七萬多條審稿意見。

這些論文大多以PDF格式呈現(xiàn)，常規(guī)解析工具面對如此格式的論文，往往力不從心，難以承擔解析之重任。

普通PDF解析工具碰到公式、圖表、表格就容易抽風，會給后續(xù)文本分析添亂，本來想直接用PyMuPDF這類常用工具，后來發(fā)現(xiàn)完全不行。

Pangram只能換思路，先用MistralOCR模型把PDF轉(zhuǎn)成Markdown格式，再統(tǒng)一轉(zhuǎn)成純文本，盡量把格式帶來的干擾去掉。

檢測論文正文用的是extendedtextclassifier，先把論文拆成小片段，逐個判斷是AI寫的還是人寫的，再匯總出整篇的AI占比。

檢測評審意見采用EditLens模型，其功能強大，可精準劃分出AI參與的五個級別，無論是純?nèi)斯?chuàng)作，亦或是純AI生成的內(nèi)容，都能清晰標注。

為了驗證準確性，他們還拿2022年前的頂會論文測試，結(jié)果顯示那些論文的AI生成概率都是0，這才讓檢測結(jié)果有了說服力。

檢測結(jié)果揭露亂象檢測結(jié)果一出來，確實讓人有點震驚，七萬多條評審意見里，有一萬五千多條是純AI生成的，超半數(shù)評審都有不同程度的AI參與。

論文這邊情況稍好，大部分是人工撰寫，但也有兩百篇左右是純AI生成的，而且實驗室還提到，有些純AI論文可能早被拒稿，沒出現(xiàn)在公開數(shù)據(jù)里。

更有意思的是兩個關(guān)聯(lián)趨勢，論文中人工智能相關(guān)內(nèi)容占比越高，評審給出的評分往往越低。

這揭示出在學術(shù)評價里，原創(chuàng)性與深度思考仍占據(jù)著至關(guān)重要的地位，這大概率是因為現(xiàn)階段AI寫的論文還沒摸到學術(shù)原創(chuàng)的門檻，質(zhì)量上不去。

但評審這邊剛好反過來，AI參與程度越高，給的評分就越寬松，AI評審好像自帶“老好人”屬性，打分容易偏高。

本來以為評審寫得越長，質(zhì)量就越高，結(jié)果AI評審是典型的“又長又沒料”。

建設(shè)性建議沒幾句，要么是車轱轆話，要么是挑些表面問題，比如讓作者多做幾次消融實驗、擴大測試集。

作者們?yōu)榱嘶貜?fù)評審得逐字研讀，最后發(fā)現(xiàn)讀了一堆沒用的廢話，這體驗屬實糟糕。

學術(shù)誠信面臨挑戰(zhàn)其實ICLR早就有關(guān)于AI使用的明確規(guī)定。

無論是作者撰寫論文，亦或是評審給出意見，若使用了AI技術(shù)，均需予以披露，且最終責任需由本人承擔，如此方能確保學術(shù)與評審的公正、嚴謹。

純AI寫評審還可能違反倫理準則，畢竟這不是評審本人的觀點，還可能涉及保密問題。

ICLR2026高級項目主席透露，作為頂級學術(shù)會議，此次大規(guī)模遭遇此類問題尚屬首次。

目前，會議方已啟用自動化工具對違規(guī)內(nèi)容展開核查工作。

芝加哥大學的經(jīng)濟學家還拋出了一個值得深思的問題，大家到底要不要在同行評審里保留人類判斷？

如果全換成AI，那評審的意義又在哪？我覺得AI輔助學術(shù)研究沒問題，比如幫著潤色語言、整理數(shù)據(jù)，這能提高效率。

但純AI代寫論文、生成評審意見就不行了，這不僅浪費學術(shù)資源，還會破壞同行間的信任。

現(xiàn)在有些頂會已經(jīng)在探索人機協(xié)同評審，把基礎(chǔ)反饋交給AI，核心的學術(shù)價值判斷留給人類，這應(yīng)該是個不錯的方向。

畢竟學術(shù)研究的核心，始終是人類的思考和創(chuàng)新，AI只能是幫手，不能當主角。

支持作者，寫作不易！如果您喜歡我的文章，可以點個“關(guān)注”，成為鐵粉后能第一時間收到文章推送。