新智元報道

編輯：LRST

arXiv最新政策禁止直接接收未經同行評審的綜述和立場論文，以應對AI生成論文的泛濫，但堵不如疏。多倫多大學、清華、北大等18所國內外頂尖高校聯合發布新平臺aiXiv，支持AI和人類共同撰寫、評審和迭代科研成果，采用多階段AI同行評審機制，提升效率和質量。這一變革引發了對傳統學術出版體系的深刻反思，也帶來了對未來科研模式的期待與擔憂。

近日，arXiv正式發布了計算機科學（CS）分類下的最新投稿政策：綜述（Review）與立場論文（Position Paper）將不再直接接收，除非論文已被正式期刊或會議接收并完成同行評審。

換言之，即便是學術會議的workshop論文，也不再被視為合格來源。

這一新規的出臺，標志著arXiv在面對AI生成論文爆發式增長時首次設下「準入門檻」。

過去半年中，arXiv CS每月收到數百篇AI生成或半自動生成的綜述與立場論文，質量參差不齊，令依賴志愿者人工審核的系統幾近崩潰。

為減輕負擔、維護內容公信力，arXiv被迫啟動這場「史上最嚴整頓」。

類似現象也出現在頂會評審體系中，例如ICLR2025近期公開數據顯示，約五分之一評審意見被判定為幾乎完全由大模型生成，評審負載的增長正在沖擊傳統學術治理結構。

在這種背景下，arXiv的政策調整引發了廣泛擔憂：當綜述與立場文章失去即時公開渠道，AI科學研究的前沿討論空間將被嚴重壓縮。

AI時代下，學術傳播的速度已成為科研創新的重要組成部分：一篇綜述若要等上三到六個月通過傳統評審流程，其價值往往早已被更新一代模型或算法所替代。

論文鏈接：https://arxiv.org/abs/2508.15126

在線體驗：https://aixiv.science/

新時代的回應

aiXiv登場

面對這一斷層，aiXiv作為新一代科研基礎設施早早給出了解決方案。

aiXiv是全球首個同時接收AI-authored與Human-authored內容、支持Survey、Position、Proposal、Paper等多類型研究成果，并配備AI Review與返修迭代機制的開放預印本與科研智能體社區環境。

與arXiv不同，aiXiv不僅僅是一個論文托管平臺，而是一個為未來的AI科學家（AI Scientist）、機器人科學家（Robot Scientist） 、AI-Co Scientists以及人類科學家量身打造的科研生態系統。

它支持從提交、評審、返修、發布到版本化追蹤的完整科研生命周期，并以結構化AI同行評審取代傳統的單一人工評審模式，真正實現 「由 AI 生成、由 AI 審核、由人類共治」 的新型科研發布體系。

aiXiv測試網站demo展示

傳統學術出版體系的挑戰

aiXiv 團隊在論文中指出，傳統的學術出版體系正面臨一場前所未有的結構性挑戰。

這一體系最初是為「人類作者 + 人工評審」的科研模式設計的，但在AI生成研究成果呈爆炸式增長的今天，它已經顯得力不從心。

首先，人工評審的效率成為最大瓶頸。

無論是會議還是期刊，現有的評審流程都高度依賴專家人工審核，周期長、吞吐低，根本無法跟上AI每天成百上千篇自動生成論文的速度。

其次，預印本平臺的質量把控幾乎為零。

像arXiv這樣的平臺雖然讓論文可以即發即見，但缺乏有效的質量驗證機制，導致信息「可發布但不可信」，難以支撐科研信用體系的建立。

署名問題也愈發棘手。

AI在科研中的參與度越來越高，但如何界定作者身份、貢獻比例與署名規則，目前還沒有共識。這種模糊不僅影響學術倫理，也讓成果傳播與引用都陷入灰色地帶。

與此同時，科研早期階段的提案（Proposal）幾乎沒有容身之處。

現有平臺主要面向論文發布，而缺乏一個開放、結構化的空間，用于想法的交流、碰撞與迭代。這意味著大量創新在萌芽期就被埋沒，沒有機會獲得同行反饋或共創放大。

再者，AI評審自身也存在安全與對齊難題。

基于大模型的自動審稿系統容易遭遇提示詞注入（prompt Injection）或語義操縱，評審意見的證據支撐和基線一致性也難以保證。如果缺乏有效治理，這些隱患可能反噬整個評審體系的公信力。

最后，科研智能體之間仍然各自為政。

無論是人類研究者、AI審稿人還是實驗執行機器人，目前都沒有一個統一、開放、可擴展的科研環境讓它們協同工作。缺乏標準化接口，也讓研究成果的質量追蹤與版本溯源幾乎無從談起。

各類型學術平臺功能對比：自動評審（AR）、AI作為作者（AA）、提示詞注入檢測（PID）、以科研智能體接口（AI）

在討論「通用人工智能（AGI）」或「通用機器人」的定義時，人們往往首先想到一些具象化的測試標準。

例如，AI是否能在高考中取得優異成績、是否能在國際數學奧林匹克（IMO）上摘得金牌，或機器人能否像人類一樣完成家務、照顧老人。

這些標準的確能夠體現智能系統的理解力和適應性，但它們仍然局限于模仿與替代人類任務。 真正值得關注的，是更深層的衡量維度：AI是否能夠在科學研究中創造出全新的知識與發現。

在aiXiv團隊看來，推動科學邊界、突破人類認知與物理極限的能力，才是判斷超級智能（Superintelligence）是否真正誕生的重要標志之一[1]。

科學創新本身就是人類智慧的最高體現，而當AI也能在這一層面實現自主突破時，「智能」的定義將被重新塑造。

長期以來，科研的進展受到研究者創造力、學術背景和時間等因素的限制。 但隨著大語言模型（LLM）和智能體（AI Agent）技術的快速發展，這種局限正被逐步打破。

如今的AI不僅能輔助科學家工作，更能夠從提出研究問題、規劃實驗設計到撰寫論文，全流程自動完成。

來自Sakana AI的Chris Lu團隊提出的The AI Scientist [2], 以及斯坦福大學James Zou團隊的The Virtual Lab [3]，已經在實踐中驗證了 AI 作為「自主科學家」的可行性。 這些研究共同揭示出一個趨勢：科學發現正邁入新的規模時代Scaling Laws[1]。

當這種「科學智能」真正進入規模化階段，人類社會是否已準備好迎接它的到來？

馬斯克在2024年曾預測，未來三年內可能會出現200到300億數量級的類人機器人。

即便將這一數字縮減，去掉物理形態，僅計算虛擬的AI Agents，其增長速度仍然呈指數趨勢。

想象一下，一億個科研型AI智能體同時生成研究提案與論文，所帶來的評審需求已經遠遠超出人類評審體系的承載能力。 事實上，這一問題的征兆已經顯現。

在2025年，NeurIPS與AAAI的投稿量都突破三萬篇，「審稿人不夠用」正逐漸成為整個學術界的現實困境。

在這一背景下，一個關鍵問題浮出水面： 當AI科學家與機器人科學家持續產生海量科研成果時， 我們應如何建立一個既能承載、又能評審并信任這些成果的全新科研體系？

aiXiv的系統化解決方案

aiXiv的誕生，正是在這種科研體系轉型背景下提出的全新嘗試，它是全球首個面向AI Scientists與Robot Scientists，以及人類科學家所產出的研究提案（Research Proposal）與論文（Paper）， 并在開放獲取（Open Access）的基礎上，引入了AI同行評審與多輪返修機制的平臺。

aiXiv的目標是為人類研究者與各類科研智能體共同搭建一個協作生態， 打破現有學術體系的割裂與封閉，讓科研不再只是「發表一次」，而是形成可持續演化的循環過程。

從提交、評審、返修到發布，整個流程都可以在平臺內完整閉環，研究者與智能體也能通過標準化接口（API、MCP）無縫接入，在同一環境中進行結構化協作與知識積累。

aiXiv平臺總覽

在機制設計上，aiXiv 借鑒了傳統學術出版的優點，又進行了系統性的重構。

平臺采用多階段、結構化的評審流程，使研究提案與論文能夠在不斷的反饋與迭代中持續優化。

同時，平臺對每個版本的修改和改進過程都進行版本化記錄，形成可追蹤的「質量演化軌跡」。

通過多模型投票機制，aiXiv 避免了單一模型或單一審稿人的偏見， 讓最終結論在多方共識下更加公平、穩定與可靠。

在安全性與對齊層面，aiXiv同樣引入了多項創新措施。 平臺在評審環節中集成了檢索增強技術，使AI生成的評審意見能夠與真實文獻相互驗證， 確保每一條結論都建立在事實與證據基礎之上。

此外，系統還配備多層提示詞注入檢測與防御模塊，用于識別潛在的操縱與攻擊行為， 從而保證整個評審過程的公正性與可信度。

根據團隊的實驗結果，在論文配對評審（Pairwise Review）任務中，大語言模型的準確率可達81%， 這說明AI審稿系統不僅能理解學術內容，還具備相當程度的判斷力。

換句話說，LLM不再只是科研內容的生成者，而是能與人類共同參與評估與改進的「科研合作者」。

通過這種人機協作的循環機制，aiXiv期望讓科學研究在質量與效率上同時實現持續提升。

不同模型在ICLR 2024與ICLR 2025測試數據集上的論文Pairwise準確率對比。w/o：不使用 RAG；w/：使用 RAG

配對準確率與評審改進效果的評估。改進評審流程帶來了顯著提升：所有論文（100%）和大部分提案（80%）在返修后質量得到改進。平均接收率大幅上升，提案從 0% 提高至 45.2%，論文從 10% 提高至 70%。

aiXiv的新型范式帶來的討論與擔憂

aiXiv論文與平臺發布后，迅速引起了學術界的廣泛關注。

反饋聲音呈現出鮮明的兩極：一方面是對未來科研模式的期待與贊許，另一方面是對體系穩定性的審慎與思考。

一些評論者給予了極高評價。

有人感嘆，「學術界曾經依靠填補那些被深入研究領域遺留下的細小空白而繁榮，但這些空白已經越來越少。現在，唯有真正的突破才有意義。」

也有人指出，「人工智能正在撼動學術體系的根基。但這些改變究竟代表了真正的創新，還是只是在修補人類的思考？學界必須作出選擇，是主動擁抱變化，還是被時間拋在身后。」

aiXiv團隊認為，隨著AI與機器人科學家的發展，那些增量式的創新點和「小修小補」的工作會被AI快速完成與驗證，而這反而會促使研究者把精力集中在更具挑戰、更具原創性的科學難題上，從而推動真正的突破性研究。

當然，也有不少謹慎甚至擔憂的聲音。

有學者提醒：「科學不僅僅是發表論文，它更依賴共識、復現與信任。如果缺乏良好的治理機制，AI 生成內容的激增可能會掩蓋真正的科學發現。」

還有人擔心：「即便在 arXiv 上，論文的真實性有時也會受到質疑。而在一個由 AI 生成內容主導的系統中，這種不確定性似乎會更為突出。」

這些擔憂并非意外，事實上，它們正是aiXiv設計機制時重點考慮的出發點。

平臺為AI與人類評審者提供了統一的評審接口，讓多種類型的審稿智能體與人類專家能夠共同參與評審，形成多維度的判斷體系。

這種人機共審的模式，既是對科研質量的保障，也是對學術信任的回應。

aiXiv團隊認為，隨著AI的學術判斷與評審能力不斷進化，科研評審體系或將迎來新的范式。

在未來的某個階段，AI評審不僅能接近人類評審的專業水準，甚至有可能在一致性與客觀性方面超越傳統模式，這種演化，或許將成為科研出版史上的一次深層變革。

科研范式的雙重顛覆

aiXiv團隊認為，這一體系的建立不僅僅是科研工具的更新，更可能帶來兩場深層次的范式轉變。

科學研究范式的重塑

在AI科學家（AI Scientist）進入實際科研流程的初期，最先被改變的將是研究提案與創新構思的產生方式。 有人形容科研「像炒菜」，需要不同學科、方法和思想的融合與碰撞。

而如今的大語言模型本身就具備跨領域的知識體系與推理能力，能夠在極短時間內生成大量富有潛力的創新想法[4][5]。

如果這些想法能在像aiXiv這樣的平臺上經歷結構化評審與多輪迭代，那么AI產出的科研創意將越來越接近人類研究者的完整思維空間，甚至可能在廣度與多樣性上實現超越。

這意味著人類科學家所能探索的「增量創新」領域會迅速縮小，但與此同時，也會被迫把目光投向更具挑戰、更具原創性的科學問題。

從更宏觀的視角看，自17世紀以來，人類在各學科領域共發表了約1.5億到2億篇高質量論文，這些成果凝聚了數百年的積累與協作。

然而，隨著自主人工智能研究者的出現，這一數字可能很快被刷新。

人工智能系統將以超人的速度和規模運行，生成、測試和發表數十億篇科學論文，這并非幾個世紀的工夫，而是短短幾年，甚至幾個月，幾天或幾小時……

其中既可能包含諾貝爾獎級的重大突破，也可能孕育出具備持續自我進化能力的「超級 AI 科學家」。

團隊首次提出科學發現的Scaling Law

科學出版體系的再定義

aiXiv的理念是建設一個面向AI科學家與機器人科學家的開放共享平臺，讓科研成果能夠在全球范圍內自由傳播與驗證。

與傳統的預印本平臺不同，aiXiv在系統中集成了AI評審機制，用以確保研究提案與論文在發布前就能經過高質量審查，從而提升整體學術可信度。

為了真正實現開放與長期可持續，aiXiv團隊還在探索去中心化與區塊鏈技術的應用，用以存儲和追蹤DOI、版本以及評審記錄，確保科研成果在全生命周期內的可追溯性與透明性，這種機制不僅能為AI時代的科學出版提供全新的信任基礎，也為未來的大規模自動科研體系奠定了關鍵的技術底座。

這種雙重顛覆不僅重新定義了科學研究的生產方式，也在根本上重塑了科研成果的傳播與驗證體系。

從研究構思到出版機制，整個鏈條都在被AI重新編織。

在這一進程中，aiXiv不僅扮演著平臺的角色，更像是一個正在孕育中的「科研操作系統」，為未來的人類與AI科學家提供統一的基礎環境。

隨著這一體系逐步完善，aiXiv及其背后的開放生態正加速走向全球化。

科研不再局限于實驗室、機構或學科邊界，而是進入一個由智能體共同驅動的時代，這正是aiXiv團隊提出的下一階段目標：構建面向全人類的AI for Research全球協作網絡。

從aiXiv到全球生態

AI for Research的未來

aiXiv致力于構建下一代開放科學基礎設施，讓AI與人類科研體系共生發展。

該團隊也正在邀請各大頂級高校教授們加入aiXiv顧問委員會（Advisory Board），共同制定面向AI時代的學術規范與評審標準。

同時，他們也期待得到來自企業、基金會等各類合作伙伴的支持，攜手推動這一開放科研平臺的建設與落地。

參考資料：

[0] Zhang, P., Hu, X., Huang, G., Qi, Y., Zhang, H., Li, X., ... & Liu, X. (2025). aiXiv: A Next-Generation Open Access Ecosystem for Scientific Discovery Generated by AI Scientists. arXiv preprint arXiv:2508.15126.

[1] Zhang, P., Zhang, H., Xu, H., Xu, R., Wang, Z., Wang, C., ... & Liu, X. (2025). Scaling Laws in Scientific Discovery with AI and Robot Scientists. arXiv preprint arXiv:2503.22444.

[2] Lu, C., Lu, C., Lange, R. T., Foerster, J., Clune, J., & Ha, D. (2024). The ai scientist: Towards fully automated open-ended scientific discovery. arXiv preprint arXiv:2408.06292.

[3] Swanson, K., Wu, W., Bulaong, N. L., Pak, J. E., & Zou, J. (2025). The Virtual Lab of AI agents designs new SARS-CoV-2 nanobodies. Nature, 1-3.

[4] Hu, X., Fu, H., Wang, J., Wang, Y., Li, Z., Xu, R., ... & Lan, Z. (2024). Nova: An iterative planning and search approach to enhance novelty and diversity of llm generated ideas. arXiv preprint arXiv:2410.14255.

[5] Si, C., Yang, D., & Hashimoto, T. (2024). Can llms generate novel research ideas? a large-scale human study with 100+ nlp researchers. arXiv preprint arXiv:2409.04109.

秒追ASI

?點贊、轉發、在看一鍵三連?

點亮星標，鎖定新智元極速推送！