专题 · FULL STORY

ICLR投稿量破6万创新高，同行评审体系承压

ICLR投稿量在摘要截稿前后从突破5万一路攀升至6.2万篇，单届超过历届总和，AI生成论文泛滥冲击同行评审。研究者围绕审稿危机展开激烈争论，提出人机混合审稿、会议制度改革等方案，观点从「认真研究寥寥」到「规模正常」针锋相对。

2026-09-19 ~ 2026-09-22 · 6 集 · 67 条

第 1 集 · ICLR 2026 投稿量破 5 万，AI slop 冲击同行评审(2026-09-19,13 条)

距摘要截止约一周，多位研究者于 9 月 19—21 日集中反映 ICLR 2026 投稿量已突破 5 万篇，此后有人报出 5.5 万乃至约 5.8 万的数字，创历史新高。学界对 AI 生成低质论文（AI slop）冲击同行评审体系的担忧集中爆发，限制单人投稿数量、每年直接录取前 300 篇等应对方案开始进入讨论；官方数字尚未公布，且有人提醒当前总数可能被 NeurIPS 转投稿件推高而失真。

已确认

  • 9 月 19 日，@miniapeur 发帖称 ICLR 投稿量已超过 5 万篇且仍在增长，感叹审稿人面临 AI slop 洪峰，甚至表示自己都不想为这届审稿（m1、m12 为同一信息的重复转述）
  • 9 月 20 日，@menhguin 转引数据称本届 ICLR 收到约 58,000 篇投稿，创历史新高，并戏称其中大量属于「AI for Science」方向
  • 9 月 21 日，MIT 研究者 Igor Gilitschenski（@igilitschenski）称投稿量已超过 5.5 万份，并用 #slopGrenade 标签调侃会议被低质/AI 生成「水论文」淹没
  • @gklambauer（Greg Klambauer）与 @MichaelDMoor 均感叹投稿量达到 5 万级，并吐槽这是对机器学习研究的「DDoS 攻击」
  • @DimitrisPapail 透露投稿数已逼近 4.5 万篇，并评论称用 AI 灌水写论文并投稿很容易，像掷硬币一样碰运气也能中，但真正有趣、酷、有点疯狂的论文才是学界需要的
  • AlexiGlad（经 @burnytech 转发）指出投稿量已达 5 万篇并预测未来可能冲到 10 万篇，将现象称为「AI slop 时代」
  • @qberthet 确认「投稿洪峰确实在来」
  • Roei Herzig（经 m6、m9 转述）指出每隔几年学界就认定评审系统已崩坏，然后投稿量又翻倍；ICLR 刚突破 50,000 篇投稿，他建议限制每位作者的投稿数量，因为没人能在一个周期内有超过 5 个够格上会的想法，Hilde Kuehne 亦对此表示呼应
  • ShiboChenTech（经 m4 转述）借此提议改革：AI 顶会应改为每年直接录取前 300 篇论文，不再纠结录取率

尚未确认

  • 各帖对投稿数的表述从「逼近 4.5 万」「超过 5 万」「超过 5.5 万」到「约 5.8 万」不等，且官方数字尚未见公布，最终规模以官方为准
  • @qberthet 提醒，当前正处于 NeurIPS 出结果与 ICLR 摘要截止日的重叠期，大量悬而未决的 NeurIPS 在审稿件会转投 ICLR，显著推高投稿总数，单看总数并不能准确反映真实投稿热度

为什么重要

  • 投稿量的指数级膨胀远超审稿资源的增长，AI 生成内容使低质投稿的边际成本趋近于零，同行评审体系的可持续性受到直接冲击，@miniapeur 等人甚至断言评审体系在现有形式下无法存续
  • 若灌水与碰运气式投稿成为常态，顶会录用信号的含金量与学术评价体系都将被稀释；限制单人投稿数量（如 Herzig 建议的每周期约 5 篇上限）以及 ShiboChenTech 提出的「每年直接录取前 300 篇」等更激进的改革方案正成为讨论中的应对方向，这也是多位一线研究者公开表达抵触情绪的原因

第 2 集 · ICLR 2027 投稿破 6.2 万篇超历届总和(2026-09-19,35 条)

ICLR 2027 摘要投稿在 9 月 19-20 日截稿时突破 6.2 万篇，较去年的 19,525 篇增长约 3 倍，单届投稿量已超过 2013-2026 历届 ICLR 之和，再度刷新 AI 顶会投稿纪录。官方尚未公布最终统计，但投稿编号与多位学者爆料均指向同一量级。审稿人力与论文洪流的矛盾被推到极限，AI 批量生产低质论文、LLM 辅助评审与学术激励机制成为 ML 社区集体反思的焦点。

已确认

  • 截稿前 13 小时投稿编号已接近 51000（InvariantnCauchy），距截稿一小时时约达 6 万；有转发讨论将这一现象调侃为「对机器学习研究的 DDoS 攻击」，并有 NeurIPS 审稿人晒出为 workshop 撰写的审稿意见，感叹质量每况愈下。另有发帖者在截稿前一周就注意到投稿已破 5 万，感叹审稿人将面对海量「AI slop」，并表示自己不确定是否还想为这一届审稿。
  • 据京都大学 chuangma 透露，摘要截止时投稿量达 62K+。作者 trawasthiai 在截止前 5 分钟提交摘要，晒出投稿编号 62263，据此推测总投稿量在 6.3 万篇以内，并质疑疯狂增长部分源于 AI 批量生产的低质论文（AI slop）。
  • mariyaivasileva 提供对比数据：摘要截止当晚注册投稿已超 6 万篇，而去年启动时为 19,525 篇，一年增长约 3 倍；按去年比例推算，779 篇（3.99%）被 desk-reject，5,042 篇（25.82%）在摘要阶段撤回，有效送审论文预计约 4.2 万篇，仍远超审稿承载能力。
  • Google DeepMind 研究员 Denny Zhou 发帖确认投稿量已超过此前所有年份（2013-2026）总和，并称「惊讶吗？我并不惊讶」。Google 研究员 gspandana 评价称这将是同行评审（及 LLM 辅助评审）的一次真正压力测试。另有转发讨论援引 Yann LeCun 早年推文，指出十年前 ICLR 投稿仅 500 余篇，10 年间增长超 120 倍。
  • 有转发讨论按 20% 录取率测算，本届将录用约 1.2 万篇论文，质疑现行评审体系是否还有意义；转发者 pfau 更称 ICLR 比 AlexNet 还年轻、谈不上历史悠久，暗示其「使命已经完成」，甚至有人建议干脆关掉这个会。另有转发者 botsandbits 指出会议设置单作者 20 篇论文上限，但这一数字「高得离谱」——一个人不可能在如此短时间内产出 20 篇真实成果。
  • François Fleuret 直言会议/同行评审模式已经死了，只是因太多利益相关方挂在上面才维持运转；rajammanabrolu 评论称回头看这会被视为 AI 学术会议终结的开端。tokenbender 称翻看投稿后，今年值得推荐阅读的远没有 60 篇，讽刺学术现状「像 2009 年的津巴布韦货币」——数量通胀、质量稀释。zivravid 亦发帖调侃想不出真正值得读的 60 篇（还补一句「你的论文算其中之一」），MIT 教授 Aviv Tamar 公开回怼其过于苛责，双方形成争论。
  • AI 检测公司 Pangram 创始人 Max Spero 也注意到 6.2 万投稿的数字，公开质疑其中有多少是完全由 AI 生成的（mrdrozdov 转发）。mycatcancode 则借此讨论「自动研究」的风向：接收论文不代表真的有发现，AI 自动做研究的目标不应是量产此类产出。
  • John Wieting 对 ICLR 2027 设下公开赌注：最终有效论文中 ≥90%（over/under 2 万篇）由 AI 生成，其推算基于今年约 6 万注册摘要与去年注册到有效论文约 76% 的转化率（25.6k→19.5k）。此前 adrilemercier 也估计近 90% 的投稿可能主要由 AI 完成，作者本人未必理解内容（均为个人估算）。
  • PTenigma 估算按每篇评审约 4 小时计，审完 6 万多篇约需 50 万个人时。据 PTenigma 与 PlisSergey 转述，NeurIPS 已禁止审稿人用 LLM 写评审：若被检出 AI 痕迹，会拒掉该审稿人名下合著论文的作者资格，惩罚严厉。
  • 关于暴涨归因出现争论：bozavlado 认为不该怪 AI，病根是学界以论文数量考核的坏激励机制，AI 只是让激励被低成本兑现的工具；gleech 用数据反驳，称 LLM 出现前会议投稿年增约 40%，今年 ICLR 暴涨约 200%，增速突然放大 5 倍难以完全归因于既有激励。

尚未确认

  • 上述数字均来自投稿编号与个人爆料，官方尚未公布最终统计；desk-reject 与摘要阶段撤回后的最终有效投稿数仍待官方确认（mariyaivasileva 的 4.2 万为按去年比例推算）；Max Spero 的质疑、adrilemercier 的「近九成」估计与 John Wieting 的公开赌注均无独立核验，属个人推断。

为什么重要

  • 投稿量超历届总和意味着审稿负担与投稿规模严重脱节，评审质量与会议公信力面临考验；PTenigma 据此提议为 ICLR 增设 AI 评审快速通道以缓解人力极限。
  • PlisSergey 指出多数研究者不希望论文由 AI 审稿，而 NeurIPS 对 LLM 评审的连坐式禁令又凸显「用 AI 治理 AI 产出」的两难；叠加 Fleuret 的悲观论断、tokenbender 的质量稀释观察、Pangram 创始人与 Wieting 赌注对 AI 生成占比的质疑、激励机制之争与 Denny Zhou 的「并不意外」，这一现象正成为 LLM 时代学术产出质量与评审机制的集体反思。

还有 15 条相关讨论 →

第 3 集 · ICLR 投稿超 5 万篇，研究者提议人机混合审稿(2026-09-20,2 条)

ICLR 2026 投稿量超过 5 万篇，而审稿人池有限，AI 生成论文泛滥进一步加剧评审压力。有作者估算：若每篇论文 3 位审稿人、每人花 2 小时，总计约 30 万小时专家劳动，相当于 150 个人年。研究者 Shayan Kiyani 提出介于「全人类」与「全 LLM」之间的第三条路，即在评审流程中加入 AI 初筛轮，采用人类与 LLM 混合编排的审稿方式，以缓解审稿危机。

第 4 集 · ICLR投稿破五万创新高引发热议(2026-09-20,4 条)

ICLR 投稿量据称达到 5 万至近 6 万篇，创历史新高，引发社区热议。有学者主张把这当作好消息，说明包括 AI safety 在内更多人投身研究，并推荐 Larry Wasserman 2012 年关于应对论文数量增长的旧文；也有网友调侃这些论文挂上 arXiv 后通过 Google Scholar 互相引用刷 ego，自嘲「我们不是堵在路上，我们就是车流」。

第 5 集 · ICLR 2027 投稿破 6 万，研究者密集呼吁改革评审制度(2026-09-21,8 条)

ICLR 2027 投稿量突破 6 万篇，多位研究者于 9 月 21-22 日密集发声讨论会议制度改革。Ziv Ravid 认为若想保住会议形态、避免评审系统在 6 万份投稿量下崩溃，必须从根本上重新设计投稿与评审机制；MIT 教授 Phillip Torr 也公开质疑同行评审体系已经崩溃。当前讨论的核心分歧在于：靠硬性数量约束还是靠机制激励来重建质量底线，甚至有人认为未来审稿终将由 AI 主导。

已确认

  • 限制投稿数量：Ziv Ravid 提议每位作者设硬性投稿上限（如 3-4 篇），终结「15 篇投稿梭哈」的时代
  • 论文减页：论文篇幅回归 3-4 页，把关键结果放在明处而非埋在正文深处
  • 默认可复现：投稿时须提交代码、数据与中间结果，由 agent 自动验证；未通过复现验证的不予发表
  • 评审担责：评审需付出真金白银的成本，提高评审质量与责任心
  • 分级限投方案：据 AnkaReuel 转述，有方案提出从未在顶级 CS 会议录用过论文的作者最多投 1 篇，有录用记录的作者上限放宽（如 3 篇级），PI 类资深作者最多可投 20 篇
  • 治理灌水与虚假账号：sarahookr 提出限制每位作者每次会议的投稿数量、共享组织层面的投稿统计数据以识别投稿暴增来自哪些机构或群体，并在论文进入人工审稿前更快识别并隔离虚假账号，从源头遏制灌水与代写
  • MIT 教授质疑评审已崩：据 CSProfKGD 转发，Phillip Torr 认为 ML 领域审稿一直很随机，论文暴增后优秀审稿人更难找，互惠评审规则「已经坏了」
  • 实证检验提议：ymasano 提议有人 vibe code 一个网站，利用 ICLR 等公开评审数据实证测试「每作者限投 x 篇」或「每篇合著按 1/k 计分」等规则对评审生态的影响，让讨论基于经验数据而非空谈
  • AI 审稿预判：sytelus 在回复中批评 Ravid 未抓住要点，认为未来大部分新研究将由 AI 完成，审稿自然也将主要由 AI 承担，隐含之意是人工评审改革讨论可能只是过渡期问题

为什么重要

6 万篇投稿意味着现有评审体系在人力与质量上都面临极限，连 MIT 教授都公开断言互惠评审规则已经坏了，审稿负担和灌水式投稿正在侵蚀顶会公信力。这场讨论的核心分歧在于：是靠硬性数量约束（限投、减页），还是靠机制激励（复现验证、评审付费、合著计分）来重建质量底线；sarahookr 进一步把矛头指向虚假账号与机构层面的投稿暴增，主张从源头治理；而 sytelus 的观点则把问题推向更远处——如果研究与审稿终将由 AI 主导，改革的靶子或许不是评审流程本身。用公开数据实证检验各种方案，可能让讨论从立场之争走向证据驱动。

第 6 集 · ICLR 2027 投稿超 6 万，学界激辩论文灌水(2026-09-21,5 条)

ICLR 2027 投稿（摘要）数量超过 6 万篇，在学界引发一场关于 AI 论文灌水的激烈讨论，观点从「认真研究寥寥」到「规模其实正常」针锋相对。

已确认

  • ICLR 2027 投稿（摘要）数量超过 6 万篇，这一数字在多个帖子中被反复引用。
  • Earlence Fernandes 给出尖锐判断：乐观估计其中「认真做的结果」只有约 500 篇，其余大概是别的东西；他认为在 AI 领域「写论文」已经成了一种时尚。
  • Yarin Gal（DeepMind/牛津）参与讨论并援引 kchonyc 的估算：全球约有 3 万名聚焦 AI 及相邻领域的博士生；若假设 6 万篇摘要中一半是因 NeurIPS 决策公布档期重叠而重复投递的占位稿，则实际投稿量约等于每个博士生一篇。
  • srchvrs 也基于同样的博士生数量逻辑得出结论：从研究者体量看，投稿规模并不算异常。

尚未确认

  • 「一半摘要是 NeurIPS 撞车产生的占位稿」只是假设，重复投递的真实比例无数据支撑。
  • 「认真研究仅 500 篇」是 Fernandes 的个人乐观估计，划分标准带有主观性；讨论中也有人追问如何区分真正投入的研究者与灌水者，尚无答案。

为什么重要

  • 这场争论折射出 AI 研究爆发式增长下学界对质量与审稿负担的普遍焦虑：若灌水为主，顶会筛选机制将面临压力；若只是人均正常产出加上档期撞车，则恐慌可能是误读。两种解释的张力，正是理解当前 AI 学术生态的关键。