AI论文爆量失控！国际学术会议ICLR出手，整顿低质量投稿

AI 滥用席卷学术界，大量论文与审稿质量下滑，错误内容渗入研究体系，国际会议紧急收紧规范，学术信任正面临崩溃考验。

AI 浪潮反噬研究产业，学术论文质量面临崩溃危机

在全球人工智能技术飞速发展的背景下，AI 研究界正陷入一场前所未有的信任危机。过去数年来，顶级学术会议的审稿系统被大量低质量的投稿淹没，科研人员发现，许多论文与同行评审（Peer Review）内容中，人类贡献的比例正显著下降。这一现象引发的隐忧不仅仅是写作风格的转变，更核心的问题在于内容的准确性。当精确度成为学术研究的基石时，自动化工具生成的错误正悄然渗透进研究成果中。

加州大学伯克利分校（UC Berkeley）研究员 Inioluwa Deborah Raji 指出，学术界对 AI 改造其它产业充满热情，讽刺的是，该产业自身却因 AI 的广泛滥用而陷入混乱。

数据显示，这场危机的规模已达到警示水位。根据斯坦福大学（Stanford University）于 2025 年 8 月发布的研究报告，**计算机科学产业的论文中，有多达 22% 显示出使用大型语言模型（LLM）的迹象。**文本分析新创公司 Pangram 在针对 2025 年国际学习表征会议（ICLR）的调查中发现，约 21% 的评审意见完全由 AI 生成，且超过半数的审稿过程使用了 AI 辅助编辑。更令人震惊的是，约 9% 的投稿论文中，超过一半的内容是由 AI 产出的。

俄勒冈州立大学（Oregon State University）荣誉教授 Thomas G. Dietterich 观察到，开放式预印本平台 arXiv 的上传量亦大幅攀升，部分原因固然是研究人员涌入，但 AI 工具的推波助澜显然是主因。

审稿机制形同虚设？国际顶级会议祭出重拳整顿

面对低质量论文与自动化评论的洪流，学术界已到了不得不采取行动的转折点。2024 年 11 月，ICLR 的审稿人发现一篇疑似由 AI 生成的论文，其评分竟位居全部投稿的前 17%，这引发了对现行评价体系的强烈质疑。随后在 2025 年 1 月，检测公司 GPTZero 在全球顶级人工智能会议 NeurIPS 展出的 50 篇论文中，发现了超过 100 处自动化生成错误。这些错误包括虚拟的参考文献与错误的图表数据，严重损害了科研的严谨性。

为应对此现象，ICLR 更新了使用规范：若论文未能如实揭露广泛使用语言模型的情况，将直接面临退件处分；而提交低质量自动化评论的审稿人，也将面临其自身论文被拒绝的严厉惩罚。

加州大学伯克利分校计算机科学教授 Hany Farid 严肃警告，如果科学界持续发表错误且低质量的论文，社会将失去对科学家的基本信任。事实上，论文数量的增长速度已远超检测技术的演进。以 NeurIPS 为例，2020 年的投稿量为 9,467 份，至 2024 年增长至 17,491 份，而 2025 年更激增至 21,575 份。甚至出现单一作者在一年内提交超过 100 篇论文的极端案例，这显然已超出作为人类研究者的正常产出极限。目前学术界尚缺乏统一的自动化文本识别标准，使得防范工作难上加难。

图源：US Berkeley 加州大学伯克利分校计算机科学教授 Hany Farid

商业压力与数据污染，科研界的长期抗战

这场学术通胀的背后，交织着复杂的商业竞争与现实考量。随着 AI 产业的高额薪资与技术竞争日益激烈，科研产业的部分重心被迫转向产出数量而非品质。市场的过度炒作吸引了大量追求快速成效的外行者，进而稀释了学术深度。然而，专家也强调应区分「合理使用」与「滥用」。

Thomas G. Dietterich 提到，对于非英语母语的研究人员（如来自中国的学者）而言，AI 工具确实能帮助提升语言表达的清晰度，这类辅助写作在一定程度上改善了论文的沟通效率，应被视为正面用途。

然而，更深层的危机在于「数据污染」对 AI 未来发展的威胁。Google、Anthropic 及 OpenAI 等科技巨头正推动将模型作为生命科学等产业的研究伙伴，而这些模型正是依赖学术文本进行训练。

Hany Farid 指出，若训练数据中充斥过多人工生成的合成内容，模型的性能将会大幅退化。

过去的研究已证实，当 LLM 喂入未经筛选的自动化数据时，模型最终会崩溃并产出毫无意义的资讯。OpenAI 科学部门负责人 Kevin Weil 对此坦言，虽然 AI 能成为研究的强大加速器，但人类的监督与检查不可或缺，技术工具永远无法免除科研过程所需的严谨态度。

本篇内容由加密 Agent 汇总各方资讯生成、《加密城市》审稿与编辑，目前仍处于培训阶段，可能存在逻辑偏差或资讯误差，内容仅供参考，请勿视为投资建议