Максимум 20 статей на человека? Исследователи DeepMind «просят» снять ограничения ICLR

marsbitОпубликовано 2026-08-03Обновлено 2026-08-03

Введение

Новая политика конференции ICLR 2027 ограничивает количество подаваемых одним автором работ до 20. По мнению организаторов, это необходимо для снижения нагрузки на рецензентов, учитывая рекордный рост числа заявок — на 68% за год. В ответ на это исследователь Google DeepMind Дэн Рой иронично запустил «петицию» против лимита, заявив, что он замедлит прогресс в ИИ, особенно в эпоху, когда агенты ИИ могут генерировать множество статей, а рецензии часто пишутся с помощью больших языковых моделей (по некоторым данным, до 21% рецензий на ICLR 2026 могли быть полностью сгенерированы ИИ). Его сатирический пост поднимает серьёзный вопрос о целесообразности простого ограничения количества работ вместо решения системных проблем, связанных с массовым производством статей и автоматизацией рецензирования в современной академической среде.

Сколько статей уместно иметь одному автору на одной ведущей конференции по ИИ?

Ответ ICLR — 20 статей.

Недавно ICLR 2027 опубликовал новые правила подачи работ, чётко установив, что любой автор может быть указан не более чем в 20 подаваемых статьях. Статьи, превышающие квоту, получат уведомление на этапе подачи тезисов. Если к окончательному сроку подачи полного текста ситуация не изменится, конференция будет случайным образом отклонять часть работ до тех пор, пока каждый автор не окажется в рамках лимита...

Объяснение ICLR простое: количество подаваемых работ растёт слишком быстро, система рецензирования испытывает огромное давление, и введение квот необходимо для поддержания справедливого и информативного процесса рецензирования.

За этим стоит «кризис» подачи и рецензирования работ, с которым столкнулся ICLR 2026.

Данные показывают, что ICLR 2026 получил 19 525 действительных заявок, по итогам по 13 763 статьям было принято окончательное решение о принятии или отклонении. В процесс были вовлечены 18 054 рецензента, предоставивших 76 139 рецензий.

По сравнению с примерно 11 603 заявками на ICLR 2025, количество заявок в 2026 году выросло примерно на 68%. Это означает, что за один год конференции пришлось обработать дополнительно почти 8000 статей и десятки тысяч рецензий...

После объявления новости она вызвала оживлённое обсуждение в сети. Приглашённый исследователь Google DeepMind и профессор Университета Торонто Дэн Рой также обратил внимание на это изменение и инициировал «петицию» против этого правила: Петиция об отмене ограничения в 20 статей на автора для конференции ICLR.

Он написал в X:

«Ограничение ICLR в 20 статей на автора — это абсурд! Это также замедлит развитие искусственного интеллекта.

Почему именно 20? Это совершенно произвольная цифра. Сегодня AI-агенты уже способны выполнять некоторые интересные, хотя и в основном инкрементальные, исследования в области ИИ с минимальным руководством. Мы должны поощрять всех выполнять и подавать как можно больше статей, особенно сейчас, когда вся работа по рецензированию уже отдана большим языковым моделям... Признайте это!

Перейдите по ссылке и подпишите мою петицию!»

Очевидно, что Дэн Рой явно недоволен ограничением в 20 статей, но при этом тонко «иронизирует» над текущим влиянием ИИ на академическую среду. Весь пост имеет саркастический оттенок.

Например, ICLR напоминает исследователям, что современные AI-агенты всё ещё не могут самостоятельно написать статью, соответствующую стандартам ведущих конференций. После повышения эффективности благодаря помощникам по коду и исследовательской инфраструктуре, учёным следует браться за более амбициозные задачи, представлять более законченные и зрелые результаты и уменьшить поток огромного количества инкрементальных работ на конференции.

А Дэн Рой полностью перевернул эту формулировку с ног на голову.

ICLR хочет видеть более полную «медленную науку», Дэн Рой же притворно выступает за то, чтобы «агенты производили как можно больше инкрементальных результатов»; ICLR пытается ограничить «потоп» статей, а он притворно беспокоится, что «это замедлит развитие искусственного интеллекта».

Особенно фраза «сейчас вся работа по рецензированию уже отдана большим языковым моделям... Признайте это» также является намёком на то, что большие модели присутствуют не только в процессе написания статей, но и в процессе рецензирования.

В этом Дэн Рой не преувеличивает.

В конце 2025 года, в пик рецензирования для ICLR 2026, известный исследователь ИИ из Университета Карнеги-Меллона Грэм Нойбиг, получив несколько рецензий, заметил нечто странное и заподозрил «примесь» ИИ. Затем, используя инструмент для детекции AI-текстов EditLens от Pangram Labs, он проанализировал публичные рецензии конференции.

Результаты показали, что после проверки 75 800 рецензий, около 21% рецензий были с высокой вероятностью определены как «полностью сгенерированные ИИ».

После распространения этой новости отрасль была потрясена, что вызвало обеспокоенность в академических кругах по поводу снижения качества рецензирования и «злоупотребления ИИ».

Возможно, в этой «петиции» настоящий вопрос, который хочет поднять Дэн Рой, заключается в следующем: когда ситуация, при которой «агенты массово генерируют статьи, исследователи массово их подают, а рецензенты затем с помощью больших моделей массово пишут рецензии», становится всё более распространённой, простое «рубить с плеча» и ограничивать только количество подаваемых работ, возможно, не является лучшим решением...

А как вы относитесь к действиям ICLR и «петиции» Дэна Роя? Делитесь мнениями в комментариях!

Ссылки:

https://iclr.cc/Conferences/2027/AuthorGuidelines

https://x.com/roydanroy/status/2083202134414102594

Статья из официального аккаунта WeChat «Сердце Машины» (ID:almosthuman2014), автор: Фокусируясь на ИИ

Трендовые криптовалюты

Связанные с этим вопросы

QКакое новое правило представил ICLR для подачи статей в 2027 году?

AICLR 2027 ввёл правило, согласно которому каждый автор может быть указан не более чем в 20 поданных статьях. Статьи, выходящие за этот лимит, получат предупреждение на этапе подачи тезисов, а если к окончательному сроку подачи полных текстов лимит не будет соблюдён, некоторые статьи будут отклонены случайным образом.

QКакую проблему призвано решить новое правило ICLR об ограничении количества статей в 20 на автора?

AНовое правило призвано снизить нагрузку на систему рецензирования, которая столкнулась с чрезмерным ростом числа подаваемых статей (увеличение на ~68% с ICLR 2025 по 2026 год), и обеспечить более справедливую и содержательную экспертизу работ.

QВ чём заключалась ироничная «петиция» Дэна Роя из Google DeepMind?

AДэн Рой в ироничной форме выступил против ограничения в 20 статей, призывая «отменить лимит», чтобы не замедлять развитие ИИ. Он намеренно перевернул аргументы ICLR, заявив, что AI-агенты уже могут генерировать исследования, а рецензирование и так делают большие языковые модели, поэтому нужно поощрять массовую генерацию статей.

QКакие данные привёл Грэм Нойбиг о влиянии ИИ на процесс рецензирования ICLR 2026?

AГрэм Нойбиг, используя инструмент EditLens для детекции AI-текста, проанализировал 75 800 рецензий ICLR 2026. Результаты показали, что около 21% рецензий с высокой вероятностью были полностью сгенерированы искусственным интеллектом.

QКакой более глубокий вопрос, по мнению статьи, поднимает эта дискуссия об ограничении статей?

AДискуссия поднимает вопрос о системной проблеме: когда цепочка «агенты генерируют статьи → исследователи массово подают их → рецензенты используют ИИ для оценки» становится нормой, является ли простое ограничение числа подач эффективным решением, или же нужны более глубокие изменения в научной культуре и процессах.

Похожее

Сильные урезания в Rubin Ultra: Nvidia тоже не справляется с ростом цен на память?

Прошлые выходные стали поводом для бурных обсуждений в индустрии ИИ после публикации отчета аналитической компании SemiAnalysis. Согласно данным отчета, NVIDIA значительно изменила спецификации своего флагманского чипа Rubin Ultra, ключевой модели, анонсированной на GTC 2026. Вместо ожидавшегося увеличения вычислительной мощности и объема памяти, компания, судя по всему, пошла по пути оптимизации затрат. Основные изменения в спецификациях Rubin Ultra по сравнению с более ранними ожиданиями и базовой моделью Rubin: * **Теоретическая пиковая производительность (35 PFLOPs) осталась на уровне обычного Rubin.** * **Объем памяти HBM серьезно сокращен** — до 192 ГБ (8-Hi), что даже меньше, чем 288 ГБ (12-Hi) у Rubin. * **Пропускная способность памяти увеличена незначительно** (всего на 1 ТБ/с). * **Энергопотребление осталось высоким**, а максимальное даже возросло. * **Главным улучшением стал масштаб межсоединений (Scale-up)**: поддержка объединения до 576 GPU в единый логический узел через NVLink (против 72 GPU у Rubin). Аналитики SemiAnalysis связывают такое решение с резким ростом цен на высокоскоростную память HBM, которая является ключевым и самым дорогим компонентом современных ИИ-ускорителей. Стоимость HBM3 с 2025 года выросла в несколько раз. Первоначальный дизайн Rubin Ultra приводил к тому, что стоимость памяти в системе приближалась к 40% от общей стоимости материалов (BOM). После пересмотра спецификаций эта доля упала до 28%, что позволило снизить общую расчетную стоимость стойки с чипами примерно с 8 до 6.4 млн долларов. Таким образом, NVIDIA, по мнению аналитиков, смещает акцент с "наращивания компонентов" в отдельном чипе на создание более масштабируемых и, возможно, экономически эффективных систем на уровне кластера. Новый дизайн Rubin Ultra фокусируется на способности объединять огромное количество GPU, компенсируя изменения в характеристиках отдельных чипов. Новость оказала давление на котировки ведущих производителей памяти. Акции SK Hynix и Samsung, основных поставщиков HBM, упали примерно на 8%, что отражает опасения рынка: если крупнейший покупатель HBM начинает оптимизировать свои чипы для снижения зависимости от дорогой памяти, это может ограничить потенциал дальнейшего роста цен и спроса для производителей памяти. Эпоха безудержного наращивания ресурсов в ИИ-инфраструктуре, судя по всему, подходит к концу.

Odaily星球日报6 мин. назад

Сильные урезания в Rubin Ultra: Nvidia тоже не справляется с ростом цен на память?

Odaily星球日报6 мин. назад

Может ли модель генерации обучаться end-to-end? В основе — простой цикл for

В статье представлен новый подход к обучению генеративных моделей под названием Explorative Modeling (XM), который позволяет осуществлять сквозное (end-to-end) обучение. Традиционные генеративные модели, такие как диффузионные или авторегрессионные, страдают от «смешения мод» (mode blurring), когда модель усредняет множество возможных правильных ответов, что приводит к размытым или нереалистичным результатам. Это также вызывает «смещение экспозиции» (exposure bias), когда ошибки накапливаются во время вывода. Ключевая идея XM проста: на каждом шаге обучения модель генерирует K кандидатов, а для обратного распространения градиента выбирает только того кандидата, который наиболее близок к реальным данным. Этот цикл, реализованный в несколько строк кода, повышает «генеративную выразительность» модели, позволяя ей охватывать несколько мод распределения данных, а не усреднять их. Авторы показывают, что «исследование» (exploration) становится третьей осью масштабирования наряду с увеличением параметров и данных. Эксперименты с изображениями, видео и текстом демонстрируют монотонное улучшение качества: при увеличении масштаба данных выгода от исследования возрастает с 7% до 36%, а эффективность использования вычислений (FLOP) повышается в 4.1 раза. В задачах управления роботами сквозная модель XM с одним проходом вперед достигает результатов, сравнимых с диффузионными моделями, требующими сотни проходов. Таким образом, Explorative Modeling предлагает путь к truly end-to-end генеративным моделям, перенося сложность с этапа вывода на этап обучения, что открывает потенциал для более эффективных и мощных систем.

marsbit1 ч. назад

Может ли модель генерации обучаться end-to-end? В основе — простой цикл for

marsbit1 ч. назад

Upbit проводит ребалансировку 864 млрд SHIB при перемещении между внутренними кошельками

Корейская биржа Upbit провела внутреннюю ребалансировку 864 миллиардов токенов SHIB между своими кошельками. Движение активов на сумму около 4 миллионов долларов произошло после роста стоимости SHIB на 36%, что привлекло внимание трейдеров. Однако анализ помеченных адресов показывает, что это была стандартная операция по перераспределению средств между "горячими" и другими внутренними кошельками биржи, а не вывод средств или подготовка к продаже. Общий объем перемещений включал 384 миллиарда SHIB, отправленных с основного горячего кошелька, и 480 миллиардов SHIB, возвращенных обратно. Этот случай подчеркивает важность проверки контекста и меток кошельков при интерпретации крупных ончейн-транзакций, чтобы избежать ошибочных выводов о продаже или давлении на рынок.

bitcoinist1 ч. назад

Upbit проводит ребалансировку 864 млрд SHIB при перемещении между внутренними кошельками

bitcoinist1 ч. назад

Уязвимость Coldcard привела к краже $89 млн и вызвала самую масштабную миграцию средств в блокчейне после краха FTX

Уязвимость в аппаратном кошельке Coldcard привела к краже 1367,05 BTC (около 89 млн долларов) с 4585 адресов. Инцидент, связанный с ошибкой в генерации сид-фраз в определенной прошивке, вызвал массовую миграцию средств пользователей на новые безопасные адреса. Это привело к аномальному всплеску активности в сети Биткоин, исказив ключевые ончейн-индикаторы, такие как активность долгосрочных держателей и объем мелких транзакций. Активность и рыночные настроения достигли уровня, сравнимого с периодом после краха FTX. Расследование столкнулось с трудностями из-за ограничений коммерческих ИИ-моделей (например, в США), которые блокируют анализ вредоносных данных даже для целей защиты. Следователи были вынуждены использовать открытые модели, такие как китайский GLM 5.2, для отслеживания украденных средств. Этот случай высветил проблему асимметрии: злоумышленники используют неограниченные ИИ-инструменты, в то время как защитники сталкиваются с барьерами коммерческих систем безопасности, что критично в сфере криптовалют, где скорость отслеживания средств крайне важна.

marsbit1 ч. назад

Уязвимость Coldcard привела к краже $89 млн и вызвала самую масштабную миграцию средств в блокчейне после краха FTX

marsbit1 ч. назад

Заработок в миллион на электриках: Meta спешно открывает собственное ПТУ

Новый этап конкуренции в сфере искусственного интеллекта столкнулся с неожиданным препятствием — острой нехваткой квалифицированных технических специалистов, особенно электриков и строителей, для возведения сверхмощных центров обработки данных. В США, согласно прогнозам, к 2030 году для инфраструктуры ИИ потребуется дополнительно 130 000 электриков и 240 000 строителей, однако ежегодно остается незаполненными около 80 000 вакансий электриков. Компании, такие как OpenAI (проект "Stargate" стоимостью $160 млрд), Meta и Microsoft, сталкиваются с огромными убытками из-за задержек строительства. Например, задержка ввода центра мощностью 60 МВт может обернуться потерей $14,2 млн в месяц. Причина спроса — беспрецедентная сложность строительства ИИ-центров. Они потребляют колоссальную энергию (сотни мегаватт), требуют уникальных систем электроснабжения и охлаждения (жидкостное или иммерсионное), что делает работу высококвалифицированных монтажников, сантехников и инженеров незаменимой. Для решения проблемы кадрового голода ИИ-гиганты начали масштабные программы обучения. Meta инвестировала $115 млн в создание собственной школы строителей с бесплатным обучением и стипендией, а OpenAI сотрудничает с профсоюзами. Активная вербовка ведется даже среди старшеклассников. Потребление энергии ИИ-центрами растет экспоненциально, опережая общий рост энергопотребления в 16 раз и увеличивая счета за электричество для потребителей. Однако строительство таких объектов носит проектный характер: для возведения центра "Stargate" требуется 6400 рабочих, а для его обслуживания — всего 100-1000. Это создает риск перенасыщения рынка труда после завершения строительного бума, что может привести к падению зарплат в отрасли.

marsbit2 ч. назад

Заработок в миллион на электриках: Meta спешно открывает собственное ПТУ

marsbit2 ч. назад

Торговля

Спот

Популярные статьи

Неделя обучения по популярным токенам (2): 2026 может стать годом приложений реального времени, сектор AI продолжает оставаться в тренде

2025 год — год институциональных инвесторов, в будущем он будет доминировать в приложениях реального времени.

1.9k просмотров всегоОпубликовано 2025.12.16Обновлено 2025.12.16

Неделя обучения по популярным токенам (2): 2026 может стать годом приложений реального времени, сектор AI продолжает оставаться в тренде

Обсуждения

Добро пожаловать в Сообщество HTX. Здесь вы сможете быть в курсе последних новостей о развитии платформы и получить доступ к профессиональной аналитической информации о рынке. Мнения пользователей о цене на AI (AI) представлены ниже.

活动图片