ICLR 2027用AI检测审稿意见,同行评审要完蛋?

ICLR 2027用AI检测器筛查审稿意见,揭出审稿人普遍隐瞒AI使用的信任危机。
ICLR 2027程序委员会对审稿意见运行AI文本检测器,并对未披露AI使用的审稿人发出警告,要求其更新披露字段并提供人类撰写的评估。据Reddit网友反映,其所在批次几乎所有审稿意见都收到警告,未披露AI使用成为普遍现象。文章指出,政策本身允许AI辅助审稿但要求披露,问题在于审稿人普遍隐瞒。更深层的隐忧是,若AI审稿成为常态,作者可能转而针对AI审稿偏好优化论文,导致学术评价失真。同时,AI检测器存在误判风险,审稿人也可通过改写绕过检测,政策执行面临猫鼠博弈的困境,同行评审的信任基础正在动摇。
事件回顾:ICLR 2027审稿环节引入AI检测
据Reddit网友爆料,ICLR 2027的程序委员会(PCs)在审稿意见中运行了AI文本检测器,并对未披露AI使用情况的审稿人发出了警告。该网友贴出的官方留言显示:
本次审稿意见的AI文本检测器判定该审稿意见很可能由AI生成,但其AI使用文档字段并未说明AI是如何被使用的。因此,该审稿意见可能不含任何人类输入。我们要求审稿人更新该字段,提供完全由人类撰写的论文评估,并记录任何AI交互。我们另外要求领域主席(AC)和其他审稿人在评估论文时考虑这一信息。
![reddit source: ICLR 2027: PCs ran an AI detector on reviews, peer review is cooked [D]](/media/screenshots/source/57430_0.png)
该网友补充道,ICLR 2027的政策实际上允许使用AI辅助审稿,但必须明确披露。然而实际情况是,其所在批次中除了他和另一位审稿人外,所有审稿意见都收到了上述警告。
ICLR(International Conference on Learning Representations)是机器学习与表示学习领域的顶级学术会议之一,与NeurIPS、ICML并列为该领域三大旗舰会议。其审稿流程通常采用双盲评审:作者匿名提交论文,由程序委员会(Program Committee)指派的审稿人给出评审意见,领域主席(Area Chair)负责统筹与把关。近年来ICLR投稿量持续攀升,审稿人池不断扩大,大量初级研究者参与评审,这为AI辅助审稿的普及提供了土壤。会议方的AI使用政策通常要求作者与审稿人披露是否及如何使用大语言模型,以确保评审过程的透明与可追溯。
争议焦点:未披露AI使用成普遍现象
这位网友强调自己并未使用AI撰写审稿意见,但未披露AI使用的情况“疯狂”到令人震惊。问题的核心不在于AI是否被允许,而在于大量审稿人选择隐瞒使用行为。
这一现象折射出学术评审中的信任危机:当AI工具触手可及,而披露机制依赖自觉时,审稿人可能倾向于走捷径却不愿留下记录。程序委员会被迫引入自动化检测,本身已说明问题的严重性。
深层影响:当审稿也变成AI的优化目标
该网友提出了一个尖锐的观点:“从此以后,论文将以AI审稿意见作为目标函数来撰写。”这句话点出了更深的隐忧——如果审稿意见普遍由AI生成,那么作者可能反过来针对AI审稿的偏好来优化论文,而非真正提升研究质量。
这种博弈可能导致学术评价体系失真:审稿意见看似规范、全面,实则缺乏对论文创新性和技术细节的深入判断。而诚实的审稿人反而可能因为意见风格不同而被怀疑。
目标函数(objective function)是机器学习中的核心概念,指模型在训练过程中被优化(最小化或最大化)的数学目标,例如损失函数或奖励函数。文章借用这一术语,意指如果审稿意见普遍由AI生成,那么作者在写作论文时可能不再以“提升研究质量”为目标,而是以“让AI审稿器给出正面评价”为目标进行优化。这在概念上类似于对抗性优化或奖励 hacking:优化对象从真实的人类判断偏移到了AI评审的偏好分布上,从而导致学术写作出现“应试化”倾向——堆砌AI偏好的规范表述、覆盖AI容易识别的要点,而牺牲真正的创新深度。
多源视角:AI检测的局限与政策困境
需要说明的是,上述信息主要来自单一Reddit帖子,其他平台尚未见独立验证。但该事件引发的讨论值得关注。
一方面,AI文本检测器本身存在误判风险,仅凭检测结果要求审稿人自证清白,可能对未使用AI的审稿人造成困扰。另一方面,即使检测准确,审稿人也有动机用改写工具绕过检测,导致“猫鼠游戏”升级。
ICLR 2027允许AI辅助但要求披露的政策方向是合理的,但执行层面依赖检测工具和人工监督,成本高且难以全覆盖。若未披露行为成为常态,会议组织方可能需要考虑更根本的解决方案,例如调整审稿流程、增加人工复核环节,或重新设计激励机制。
AI文本检测器通常基于统计特征(如困惑度、突发性、词频分布)或训练分类器来区分人类与机器生成的文本。其固有局限在于:检测器对改写、润色、翻译回译等后处理高度敏感,误判率(尤其是将人类文本判为AI的假阳性)在学术写作这类规范文体上往往偏高;同时,检测器给出的只是概率性判断,无法作为确凿证据。正因如此,仅凭检测结果要求审稿人“自证清白”在程序正义上存在争议。另一方面,检测与规避之间存在天然的军备竞赛:审稿人只需用同义改写工具处理AI草稿,即可大幅降低被检出的概率,使检测手段的有效性持续衰减。
结语:同行评审的信任基础正在动摇
ICLR 2027的AI检测事件并非孤立现象,而是生成式AI渗透学术生产链的一个缩影。审稿人使用AI辅助本可提高效率,但普遍隐瞒行为破坏了评审的透明性。当程序委员会不得不像监考一样检测审稿意见,同行评审的信任基础已经出现裂痕。
未来,学术会议需要在效率与诚信之间找到新的平衡点,否则“审稿已死”的调侃可能逐渐变成现实。
相关推荐

GPT-6.2 Astra与Sol争议:测评两极分化背后
OpenAI 发布 Astra 与 Sol 6.2 后陷入测评争议:早期访问者集体差评,随后官方称版本已更新。本文梳理事件脉络,结合实测展示模型在 computer use、视频剪辑上的优势与沟通短板,并分析成本与订阅配额格局的变化。

Anthropic IPO与GPT-6.2 Astra:模型竞争背后的数据依赖与安全隐忧
深度解读Anthropic IPO与GPT-6.2 Astra发布背后:模型性能取决于训练数据而非通用智商,各领域表现分化明显;思维链监控作为安全支柱正在失效;Anthropic的向上竞争叙事面临内部员工质疑。

Atlassian团队图谱:让AI智能体更懂上下文
Atlassian利用Jira的上下文优势构建Teamwork Graph,连接人员、项目、文档与代码,让AI智能体输出更好且消耗更少token。