ICLR 2026 审稿系统遭 AI 大规模渗透：检测显示 7.6 万份评审中，21% 完全由大模型生成，35% 被 AI 润色，仅 43% 为纯人类撰写。机器评审更长、打分虚高，却频现“幻觉引用”等错误，引发作者集体抗议。组委会紧急发布严格禁令，拟从投稿端封杀 AI 生成内容以重建信任。
学术同行评审是科学进步的基石，但随着投稿数量的激增，这一系统正面临巨大压力。为了缓解这一问题，人们开始尝试利用大型语言模型（LLM）进行辅助审稿。然而，一项最新研究揭示了LLM审稿中存在的严重风险，表明我们可能还未做好广泛采用LLM审稿的准备。上海交通大学的研究团队通过实验发现，作者可以通过在论文中嵌入细微的操控性内容来影响LLM的评审结果。这种操控可以是显性的，例如在论文末尾添加不易察觉的白色小字，指示LLM强调论文的优点并淡化缺点。实验表明，这种
Sakana AI公司宣布推出“AI科学家”系统，这是一个全面的AI平台，能够独立进行科研工作，从概念生成、代码编写、实验执行、结果总结到论文撰写，甚至包括同行评审，其设计旨在模仿人类科学研究过程。该系统在机器学习领域多个子领域（如扩散模型、变换器和深度理解）中展现了创新贡献，并展示了计算效率高、成本低廉的特点（每篇论文成本约15美元）。尽管初版系统可能存在瑕疵，其潜力和成本效益表明有潜力加速科学研究进程，使研究工作更加民主化。
["同行评审发现 2023-2024 年顶级 AI 会议中，ChatGPT 等模型生成内容高达 17%。","重度 AI 内容审稿通常出现在截止日期附近，评论缺少学术引用和审稿人参与。","研究引发问题，是否披露 AI 协助审稿、如何激励良好实践、保持知识多样性。","人工智能迅速增长对科学质量控制产生影响，需要重新考虑混合知识工作的功劳。"]
Openai
$7.7
Input tokens/M
$30.8
Output tokens/M
200
Context Length
Anthropic
$105
$525
Google
$8.75
$70
1k
$21
$84
128
Chatglm
-
01-ai
$3.5
$10.5
32
Baichuan
4
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
