专题 · FULL STORY

TMLR严查AI代写论文，桌拒率飙至53%

TMLR编辑部因投稿激增开展非常规核查，将视频测试作者的可疑论文全数桌拒，引发学界热议；随后主编Nihar Shah发文警示，越来越多研究者提交自己并不理解的AI辅助论文，桌面拒稿率已升至53%，事件持续发酵。

2026-09-17 ~ 2026-09-18 · 2 集 · 17 条

第 1 集 · TMLR 桌拒前视频测作者，10 篇可疑论文全数被拒(2026-09-17,13 条)

机器学习期刊 TMLR（Transactions on Machine Learning Research）编辑部的一项非常规核查行动引发学界热议：因投稿量激增、审稿人不足，期刊收紧 desk rejection 政策，桌拒率从 2023 年的约 6% 升至约 53%。联合主编 Nihar Shah 在 10 篇论文被桌拒前主动联系作者开 Zoom 电话提问，接受面谈的 7 人无一人能答上任何关于自己论文的问题，10 篇涉事论文最终全部被桌拒，被广泛解读为对疑似 AI 代写投稿的一次筛查。

已确认

  • 桌拒背景：TMLR 因投稿量激增、审稿人不足，被迫收紧 desk rejection 政策；据 Shah 披露，桌拒率已从 2023 年的约 6% 飙升至约 53%。
  • 编辑部针对 10 篇面临桌拒的论文联系作者，邀请其通过 Zoom 回答关于论文的问题；据 @hihey54 转述，其中 1 篇作者直接撤稿、1 位作者称无暇参与，其余 7 人接受邀请。
  • 接受邀请的 7 人没有一人能回答任何关于自己论文的问题。Delip Rao、@DynamicWebPaige 等多位发帖者均转述了这一结果，作为对作者身份与论文真实性存疑的佐证；@Pseudomanifold 评价称样本量虽小，但结果「极具破坏性」。
  • 据 @RexDouglass 转述，涉事 10 篇论文最终全部被 desk reject，被外界解读为疑似 AI 代写论文的处理结果。
  • 据 @TuhinChakr 等转述，Shah 为此次「面测」投入约两周、共 20-25 小时逐一面谈疑似低质投稿的作者；Jessica Hullman 等同行对此举表示肯定，@furongh 等发帖者称之为拯救同行评审制度的希望。

为什么重要

  • 这一做法直指 LLM 时代论文工厂、代写与虚假投稿泛滥的问题：作者答不上自己论文的内容，往往意味着论文并非其本人完成或理解。
  • 对学术出版流程而言，「桌拒前作者面测」可能成为期刊在审稿人力不足情况下筛查低质/可疑投稿的新手段，也引发了关于程序公平性的讨论。
  • 桌拒率从约 6% 到约 53% 的剧变，反映了 ML 领域投稿量与审稿资源之间失衡的严重程度。

第 2 集 · TMLR 桌面拒稿率飙至 53%，作者看不懂自己的 AI 论文(2026-09-18,4 条)

机器学习期刊 TMLR 主编 Nihar Shah 发文警示：越来越多研究者提交自己并不理解的 AI 辅助论文。数据显示 TMLR 的桌面拒稿率从 2023 年的约 6% 飙升至如今的约 53%（官方注明政策与立场变化也是原因之一）。Shah 还提到曾采访 10 位投稿作者，其中 3 人答不出关于自己论文的基础问题，凸显 AI 代写对学术诚信的冲击。