ICLR投稿量突破5万：AI顶会为何持续爆炸式增长

一条帖子引发的讨论

近日，Reddit 机器学习社区出现一条引发热议的帖子。一位研究者在摘要提交截止前 13 小时发帖表示，自己的投稿编号已经接近 51000，直呼「OMG」。

虽然这只是一位投稿者基于自身编号的观察，尚未得到官方数据确认，但它折射出一个业内早已感知到的趋势：顶级 AI 学术会议的投稿量正在以惊人速度膨胀。

需要说明的是，投稿编号并不完全等同于实际有效投稿数——它可能包含撤回、重复注册或占位提交。但即便打上折扣，5 万量级的数字仍然远超几年前 ICLR 的常规规模。

顶会投稿量的膨胀轨迹

ICLR（International Conference on Learning Representations）作为深度学习领域最具影响力的会议之一，其投稿规模的变化本身就是行业的一面镜子。

回顾主要 AI 顶会（NeurIPS、ICML、CVPR、ICLR）近年的公开数据，投稿量普遍呈现指数式增长。从早年的数千篇，到如今动辄上万甚至逼近数万篇，增长斜率明显陡峭化。这条帖子提到的 5 万量级，如果属实，将进一步刷新人们对会议规模的认知。

这种增长背后有几股力量在推动：大模型热潮吸引了大量新进入者、工业界研究团队规模扩张、以及全球范围内 AI 研究人口的快速增加。学术产出的「军备竞赛」特征愈发明显。

以具体数字来看这一趋势：NeurIPS 2018 年投稿约 4856 篇，到 2023 年已突破 1.3 万篇；ICML 2024 年收到超过 9400 篇投稿；CVPR 2024 年投稿量逼近 1.2 万篇。ICLR 自 2013 年创办时仅有百余篇投稿，2023 年已达约 4900 篇，2024 年进一步跃升至约 7200 篇。若 2025 年投稿编号确实接近 5 万，则意味着一年内近乎翻倍，增速远超此前任何一年。这种增长在统计上呈现出典型的超线性特征，与大语言模型在 2023 年后的全面破圈高度吻合。

规模爆炸带来的现实压力

投稿量激增最直接的后果是评审系统承压。审稿人数量的增长远远跟不上投稿数量的增长，导致单个审稿人的负担加重、评审质量的方差扩大。

很多研究者已经公开抱怨过顶会评审的「彩票化」现象——同一篇论文在不同审稿人手中可能得到截然不同的评价。当投稿基数达到数万级别时，这种随机性只会被进一步放大。

此外，海量投稿也对领域主席（AC）的匹配与调度、抄袭检测、以及潜在的 LLM 生成内容识别提出了更高要求。会议组织方不得不投入更多自动化工具来维持基本的流程运转。

顶会评审的「彩票化」问题并非新近出现，但随着规模扩大而愈加突出。2014 年 NIPS（现 NeurIPS）曾做过一项著名实验：将 10% 的投稿同时送给两组独立审稿人，结果发现两组的接受/拒绝决定有约 57% 不一致，即超过半数论文的命运在两组评审中出现了相反结论。这一实验揭示了同行评审内在的随机性。当投稿量从数千篇膨胀至数万篇时，为维持相近的审稿人-论文比例，会议不得不大幅扩充审稿人池，往往需要纳入资历较浅的评审，进一步加剧质量不稳定性。

数字背后的行业信号

从积极角度看，投稿量的暴涨说明 AI 研究的参与度和活跃度空前。更多人愿意投入前沿研究，本身是学科繁荣的标志。

但从另一面看，这也提出了值得深思的问题：当每年有数万篇论文涌向单个会议时，真正的知识增量是否在同比例增长？还是说其中相当一部分是「增量式」甚至重复性的工作？

学界内部对此已有反思声音。有观点认为，顶会应当探索更可持续的评审机制，例如滚动评审、分层筛选、或与预印本平台更紧密的整合，以缓解一年一度的投稿洪峰。

「滚动评审」（rolling review）是学界讨论较多的替代方案之一，其核心思路是将论文评审从年度集中式改为全年持续接受与处理，作者可在任意时间提交，获得评审结果后再决定投向哪个具体的会议展示场次。ACL 旗下的 ARR（ACL Rolling Review）是目前规模最大的实践案例，已覆盖计算语言学领域多个顶会。支持者认为这能平滑评审负担、减少截止日期前的投稿洪峰；批评者则担忧它模糊了会议边界感，并可能在论文被多次转投时引发新的管理复杂性。

结语：一个需要理性看待的信号

单条社交媒体帖子的观察不足以作为严谨结论，投稿编号也存在多种解读空间。但它确实捕捉到了一个真实的行业脉动——AI 顶会正在承受前所未有的规模压力。

对研究者而言，与其焦虑于水涨船高的竞争，不如关注工作本身的原创性与扎实程度。对会议组织者而言，如何在规模与质量之间找到平衡，将是未来几年绕不开的课题。