新智元報道

編輯：艾倫

在號稱「史上最嚴管控AI」的頂級會議ICLR 2026上，評審區卻悄悄被大模型攻占。每五條審稿意見里，就有一條幾乎全由AI一鍵生成。當作者懷疑評審是機器人寫的、審稿人又懷疑論文是模型拼的，同行評審這臺「科學秩序的發動機」，正一點點滑向一場沒人承認、卻無處不在的自動化實驗。

學術圈再次上演荒誕一幕。

一項剛剛公布的分析顯示，在最新一屆頂級人工智能會議ICLR 2026中，超過五分之一的審稿意見是由大模型一鍵寫出來的。

卡內基梅隆大學教授Graham Neubig使用Pangram Labs的AI文本檢測工具EditLens，對ICLR公開的75800條評審意見逐條「驗身」，結果發現：21%被判定為「完全由AI生成」，另外35%不同程度由AI修改，只剩43%被認為是純人類撰寫。

這些「AI全包」的評審不僅篇幅更長，給出的分數也更高：

在EditLens的統計里，完全AI生成的評審平均評分4.43分，而完全人寫的是4.13分；

AI評審的平均長度接近3700個字符，比人類評審足足長出一大段。

很多作者這次面對的，可能是一位「特別健談、格外慷慨打分」的機器人審稿人。

被AI「占領」的

是誰家的主場？

ICLR（國際學習表征大會）是當今機器學習領域三大頂會之一，與NeurIPS、ICML并稱「AI三巨頭」。

本屆ICLR 2026，將于明年4月在巴西里約熱內盧舉辦，投稿量接近兩萬篇，遠超往年。

在這樣的「論文洪水」之下，審稿人壓力極大，很多人早就半開玩笑地說自己像是在「批改高考作文」。

讓AI來幫忙，其實早就是公開的秘密。

差別在于，這一次是用數據把秘密攤在了陽光下。

EditLens本身就是一篇ICLR 2026投稿論文，作者提出了一種能識別「人寫+AI潤色」「純AI寫作」等細粒度混合文本的檢測模型，并宣稱在區分人類和AI文本時能達到很高準確率。

https://arxiv.org/pdf/2510.03154

Pangram Labs這家公司也專門對外宣傳，自己的模型在多種場景下「假陽性率極低」，已經被期刊和高校用來篩查AI寫作。

于是，一家做「AI檢測器」的公司，用自家模型掃了一遍全球最重要AI會議之一的審稿意見，得出的結論是：AI已經大舉攻入人類學術評審的心臟地帶。

諷刺的是

ICLR剛剛立下「史上最嚴AI新規」

更戲劇性的，是這次「AI審稿占比21%」的爆料，恰好發生在ICLR頒布史上最嚴LLM規定之后不久。

今年8月，ICLR 2026組委會在官方博客上發布《大型語言模型使用政策》，給出了兩條鐵律：用沒用大模型，都必須老老實實寫出來；不管用了什么工具，最后責任都算在人身上。

如果發現作者在論文寫作或研究中大量使用LLM卻沒有披露，可以直接desk reject（拒稿不再審）；

審稿人如果用AI寫評審卻不承認，同樣有可能連自己的論文一起被拒。

一邊是官方高調強調「用AI必須坦白，從嚴問責」；

另一邊，是第三方工具在公開頁面上給出一行冷冰冰的統計：「Fully AI-generated:15899(21%)」。

這種強烈反差，很難不讓人懷疑：有相當一部分審稿人，在政策高壓之下，依舊默默把評審任務交給了大模型。

ICLR在輿情爆發后，也只是做出了一個簡短回應：

作者炸鍋

低分、怪評，與「精神病」評論

這屆ICLR的評審，本來就已經讓不少投稿者心態爆炸。騰訊新聞對ICLR 2026出分做過一篇長文梳理：投稿量猛增到1.9萬多篇，平均得分卻從去年的5.12掉到4.20，出現了作者人生首次在頂會上收獲「0分」的極端情況。

更令人瞠目的是，有評審在意見中用上了「精神病」這樣的攻擊性詞匯，引發社區公憤，最后原始評論被刪除，審稿人公開道歉，但堅持認為「對論文問題的判斷沒錯」。

還有審稿人抱怨，自己經手的論文寫得像AI拼出來的，「新術語沒定義，引用亂飛，實驗稀碎」，讓人要花好幾個小時才能看懂，結果作者一句撤稿就換會重投。

在這篇報道里，DeepMind研究員Neel Nanda被引用的一句話格外刺耳：同行評審更像一臺「隨機數生成器」——同一篇論文，換一組審稿人，一半概率被拒。

現在再把這句話和「21%審稿由AI寫成」放在一起看，難免讓人多想：

如果評審本來就有很大隨機性，再加上一堆看起來嚴謹實則模板化的AI長評，這臺「隨機數機」會不會變得更難預測？

其他頂會在干什么？

ICLR不是第一家也不會是最后一家被AI沖擊審稿系統的學術機構，只是因為自身是AI頂會，顯得格外「魔幻」。

在計算機視覺頂會CVPR 2025，審稿指南直接寫明：大模型在任何階段都不得用于撰寫評審或元評審，屬于零容忍政策；

不負責任的審稿意見，比如只有一兩句話、明顯由大模型生成、或與論文無關，可能被標記為「高度不負責任」，嚴重時會牽連審稿人自己的投稿被拒。

NeurIPS 2025的態度則更像「謹慎開放」：允許在寫論文時使用LLM，但要求對方法性使用作出說明，還專門設立頁面解釋如何合規地用AI，強調不得把模型生成的引用不加核查地塞進文中。

而在更廣泛的學術出版界，AI審稿也已引發連鎖反應。

《自然》報道，美國癌癥研究協會（AACR）在期刊評審中引入Pangram的檢測工具后，發現在明令禁止后，疑似AI撰寫的評審比例立刻下降了一半，但論文正文中未聲明使用AI的比例仍然不低。

禁令確實會讓人收斂，但AI早已融入科研流程，很難完全「驅逐出境」。

有趣的是，ICLR自己也在嘗試更「溫和」的AI用法。

2025年，組委會與OpenReview合作，在ICLR 2025審稿中試驗了一套「評審反饋智能體」：AI不直接寫評審，而是給審稿人提出修改建議，比如讓模糊的批評更具體、指出誤解之處、提醒刪掉不專業措辭。

實驗顯示，26.6%的審稿人根據AI建議修改了評審，平均多寫了80個字，人類評估者在89%的對比中更偏好修改后的版本，但論文最終錄用率并沒有明顯被拉高。

這一輪實驗讓不少人看到：AI并不一定只能當「影子審稿人」，也可以做「評審教練」。

當審稿人和作者都在懷疑對方

「這是人類啊？」

從作者視角看，現在的頂會有些像一場雙向「狼人殺」：

作者懷疑收到的是AI寫的評審，審稿人懷疑看到的是AI生成的論文；

會議組委會則一邊動用檢測模型排查，一邊又在討論如何合法、安全地用同類模型來幫自己減負。

與此同時，研究者們也在更系統地觀察AI評審的行為差異。

最新的Gen-Review數據集就模擬了2018–2025年ICLR所有投稿的「AI版本評審」，發現大模型在打分上存在偏向，且不總是嚴格遵守審稿指引，評分與最終錄用結果的相關性也有限。

這場圍繞ICLR 2026的風波，其實只是一塊放大鏡。

它把一個原本散落在期刊、會議、預印本平臺各處的趨勢集中顯影，AI正悄悄改寫科學評審的分工，而人類社會還沒想明白到底希望它扮演什么角色。

也許，真正的危機是，我們是否還愿意為每一條評審、每一篇論文，投入那一點點不可替代的人類注意力。

當越來越多的評審是由模型寫給模型，人類科學家必須回答的，也許是這樣一個問題：在這場看似自動化的評判游戲里，我們究竟是裁判，還是被算法順手帶偏的旁觀者。

參考資料：

https://iclr.pangram.com/submissions