专题 · FULL STORY

ICLR 投稿量破纪录:从惊叹到应对

9 月 19—20 日摘要截稿前后,ICLR 投稿量激增至 5 万乃至 6.2 万篇、超历届总和的消息引爆学界,AI 论文灌水令审稿压力骤增。研究者随即提出人机混合审稿等方案,也有学者主张拥抱增长、以旧文应对论文洪流。

2026-09-19 ~ 2026-09-20 · 4 集 · 43 条

第 1 集 · ICLR 2026 投稿量破 5 万创新高,AI 论文灌水冲击同行评审(2026-09-19,12 条)

距摘要截止约一周,多位研究者于 9 月 19—20 日集中反映 ICLR 2026 投稿量已突破 5 万篇,9 月 20 日一条引用数据的帖子更称投稿量约达 58,000 篇,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、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,且有人提醒总数可能被 NeurIPS 转投稿件推高失真。

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(m8、m11 为同一作者的重复信息)
  • 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
  • @gklambauer(Greg Klammbauer)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 @HildeKuehne 等转述)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
  • 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」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 万超历届总和(2026-09-19,27 条)

ICLR 2027 摘要投稿在 9 月 19-20 日截稿时突破 6.2 万篇,一年内增长约 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。
  • 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。
  • 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」——会议每 4 个月一届,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 发帖调侃想不出真正值得读的 60 篇,MIT 教授 Aviv Tamar 则回怼其苛责,形成争论。
  • mycatcancode 借此讨论「自动研究」(auto research)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;投稿增速正是这一讨论的直接诱因。
  • 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。adrilemercier 则估计近 90% 的投稿可能主要由 AI 完成,作者本人未必理解内容(此为个人估算)。

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);「近九成由 AI 主写」亦为个人估计,无独立核验。

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、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 7 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 · 学者回应 ICLR 投稿破 5 万:拥抱增长,推荐旧文应对论文洪流(2026-09-20,2 条)

面对 ICLR 投稿量突破 5 万篇引发的担忧,一位学者主张将其视为好消息:这意味着包括 AI 安全方向在内的更多人在做研究。对于如何应对论文数量爆炸,他在后续帖中补充附上 Larry Wasserman 2012 年所写的关于应对论文数量增长的论文链接,重申投稿量激增值得庆祝而非抱怨,引发社区对学术产能扩张的讨论。