每人最多20篇?ICLR新规遭DeepMind研究者「反讽」请愿

marsbit发布于2026-08-03更新于2026-08-03

文章摘要

ICLR 2027 会议近日公布新规,规定每名作者最多只能提交20篇论文,超出限额的论文若未调整将被随机拒稿。此举旨在应对投稿量激增给评审系统带来的压力。ICLR 2026 投稿量较前一年增长约68%,达到19525篇,导致评审工作量巨大。 新规引发了讨论。Google DeepMind 访问研究员 Dan Roy 在社交平台发起讽刺性“请愿”,反对此限制。他表面上称限制会阻碍 AI 发展,并主张应鼓励 AI Agent 大量生成渐进式论文,同时暗指评审工作也已由大语言模型处理,以此揶揄当前 AI 对学术环境的影响。 此前,有分析显示 ICLR 2026 约21%的评审意见被怀疑完全由 AI 生成,引发了学术界对评审质量和 AI 滥用的担忧。Dan Roy 的讽刺性请愿实则抛出一个深层问题:当论文生产、投稿和评审都可能大量依赖 AI 时,单纯限制投稿数量或许并非根本解决之道。

一名作者,一届顶级 AI 会议,到底参与多少篇论文比较合适?

ICLR 给出的答案是 20 篇。

近日,ICLR 2027 公布新的投稿规则,明确规定,任何作者最多只能出现在 20 篇投稿的作者名单中,超出配额的论文会在摘要提交阶段收到提醒。如果到全文截止时仍未调整,会议将随机拒绝部分论文,直到每位作者都回到限额以内......

ICLR 给出的解释很简单:投稿数量增长过快,评审系统已经承受巨大压力,需要通过配额维持公平且有信息量的评审。

而这背后,是来自 ICLR 2026 经历的投稿与评审「危机」。

资料显示,ICLR 2026 共收到 19525 篇有效投稿,最终 13763 篇论文获得正式接收或拒绝决定,背后涉及 18054 名评审提供的 76139 份审稿意见。

而相较于 ICLR 2025 的约 11603 篇投稿,2026 年的投稿量增长了约 68%。这意味着,一年之内,会议需要额外消化接近 8000 篇论文,以及数万份评审任务......

消息一经公布,引起网友的热议。Google DeepMind 访问研究员、加拿大多伦多大学教授 Dan Roy 也注意到这一改变,并针对这一规则发起一场「请愿」:请愿取消在 ICLR 会议中对论文投稿限制在 20 篇。

他在 X 上发文写道:

「ICLR 将每位作者的投稿数量限制在 20 篇,这太荒谬了!也会拖慢人工智能的发展。

为什么偏偏是 20 篇?这完全是一个随意设定的数字。如今,AI Agent 已经能够在几乎不需要多少指导的情况下,完成一些有趣但偏渐进式的 AI 研究工作。我们应该鼓励所有人尽可能多地完成并提交论文,尤其是现在所有评审工作都已经交给大语言模型处理了...... 承认吧!

点击链接,签署我的请愿书!」

显然,Dan Roy 对 20 篇的数量限制明显不满,但也在偷偷「揶揄」当前 AI 对学术环境的影响。整条帖子带有反讽意味。

比如,ICLR 提醒研究者,目前的 AI Agent 仍无法独立完成一篇达到顶会标准的论文。代码助手和研究基础设施提高效率后,研究者应当挑战更有雄心的问题,提交更加完整、成熟的成果,减少大量渐进式论文涌入会议。

而 Dan Roy 则把这套表述完全反了过来。

ICLR 希望看到更完整的「慢科学」,Dan Roy 就假装主张「让 Agent 尽可能多地生产渐进式成果」;ICLR 试图限制论文「洪水」,他则假装担心,「这会拖慢人工智能发展」。

尤其是「现在所有评审工作都已经交给大语言模型处理了...... 承认吧」,也在讽刺,其实大模型不止进入论文写作环节,同行评审环节也同样存在 AI 的身影。

这一点,Dan Roy 并没有夸张。

2025 年底,在 ICLR 2026 的审稿高峰期间,卡内基梅隆大学的著名 AI 研究员 Graham Neubig 在收到几份审稿意见后,察觉到异常,怀疑有 AI 的「水分」,于是,利用 Pangram Labs 开发的 AI 文本检测工具 EditLens,对会议公开的评审意见进行了扫描分析。

结果显示,在对 75800 条评审意见进行检测后发现,约有 21% 的评审意见被高度怀疑为「完全由 AI 生成」。

消息一经传出,业界哗然,更是引发学术界对评审质量下滑及「AI 滥用」的担忧。

或许,在这场「请愿」中,Dan Roy 真正想提出的问题是,当「Agent 批量生成论文、研究者批量投稿、审稿人再用大模型批量完成评审」的情况愈发成为常态的时刻,直接「一刀切」,仅仅通过限制论文投掷数量,也许并非良策......

那么你呢,如何看待 ICLR 的做法,以及 Dan Roy 的「请愿」?欢迎在评论区留言、交流!

参考链接:

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

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

本文来自微信公众号“机器之心”(ID:almosthuman2014),作者:关注AI的

热门币种推荐

相关问答

QICLR 2027新规对每名作者的最大投稿数量限制是多少?

AICLR 2027新规限制每名作者最多只能在20篇投稿的作者名单中出现。

QICLR实施作者投稿限额的主要原因是什么?

A主要原因是投稿数量增长过快(如ICLR 2026较2025年增长约68%),评审系统承受巨大压力,需要通过配额来维持公平且有信息量的评审。

QGoogle DeepMind研究员Dan Roy对ICLR新规发起了什么行动?其真实意图是什么?

ADan Roy在X上发起了一场要求“取消ICLR会议中对论文投稿限制在20篇”的请愿。但这并非其真实意图,其发帖带有明显的反讽意味,旨在讽刺当前AI Agent批量生成论文以及大语言模型可能参与同行评审的学术生态,质疑单纯限制投稿数量并非根本解决之道。

Q根据文章,ICLR 2026的审稿意见中,被高度怀疑为完全由AI生成的比例大概是多少?

A根据对ICLR 2026公开的约75800条评审意见的扫描分析,约有21%的评审意见被高度怀疑为“完全由AI生成”。

Q文章中提到,面对AI工具提升研究效率的背景,ICLR官方希望研究者朝什么方向努力?

AICLR官方希望研究者在代码助手和研究基础设施提高效率后,去挑战更有雄心的问题,提交更加完整、成熟的成果,即鼓励“慢科学”,以减少大量渐进式论文涌入会议。

你可能也喜欢

Rubin Ultra大减配,英伟达也扛不住内存涨价了?

知名投研机构SemiAnalysis近日报告指出,英伟达已向主要客户预览了其顶级AI芯片Rubin Ultra的最新规格,但相比此前预期出现显著降配。核心变化包括:算力峰值保持与普通版Rubin相同的35 PFLOPs;显存容量降至8层堆叠的192GB,甚至低于普通版的288GB;显存带宽仅微升1TB/s;芯片功耗反而略有提高。Rubin Ultra的主要升级方向转向“扩展互联规模”,支持通过NVLink将最多576张GPU互联成统一计算域,远高于普通版的72张。 报告分析认为,此次调整主要源于HBM(高带宽内存)价格持续快速上涨。以HBM3为例,其价格已从2025年二季度的低点180-220美元,飙升至目前约700-850美元。HBM成本飙升使得Rubin Ultra单机架的物料成本一度从约660万美元升至800万美元。英伟达因此重新评估设计,通过减少昂贵的HBM配置(成本占比从近40%降至28%),将资源更多投入互联能力等方向,优化整体成本结构。 此消息引发市场对HBM需求见顶的担忧。受冲击影响,韩国存储股开盘大跌,SK海力士、三星股价均下挫约8%。市场解读认为,若英伟达此举成为趋势,意味着AI芯片厂商可能开始通过优化设计来降低对高容量HBM的依赖,这或将限制存储厂商未来的提价空间,标志着AI基础设施的“堆料涨价”时代可能接近尾声。

Odaily星球日报8分钟前

Rubin Ultra大减配,英伟达也扛不住内存涨价了?

Odaily星球日报8分钟前

生成模型也能端到端训练了?核心竟是一个for循环

长期以来,深度学习在图像分类、检测等任务上凭借端到端训练取得了巨大成功,但生成模型领域却始终是个例外。当前主流的自回归、扩散模型等训练时只学习预测“一小步”,推理时则需要反复展开数百上千步,这种训练与推理的不一致导致了“暴露偏差”等问题,使得生成模型一直未能实现真正的端到端训练。 最近,一篇来自UIUC与哈佛大学的论文提出了“探索式建模(Explorative Modeling,XM)”新范式,其核心是一个简单到近乎朴素的for循环:在每个训练步骤中,模型生成K个候选样本,然后仅选取其中最接近真实数据的一个样本来计算损失和回传梯度。这种做法巧妙地绕开了传统生成模型中因使用重构损失(如平方误差)而导致的“模态模糊”问题——即模型倾向于输出多个可能答案的平均值,而这个平均值往往不属于任何真实的数据模式。 XM通过这种方式,在不拆分生成过程的前提下,直接提升了模型的“生成表达力”,即模型捕捉数据分布中多个独立模式的能力。论文将“探索”验证为继模型参数量、数据量之后的第三根可扩展轴。实验表明,随着模型规模、数据量和计算量的增大,探索带来的性能收益越发显著,在图像、视频、语言等多种任务上均能带来效率与质量的提升。 更重要的是,当探索程度足够时,XM可以实现真正的端到端生成。在机器人控制等任务中,仅需一次网络前向传播的XM策略,其性能可媲美甚至超过需要上百次前向的扩散模型策略,实现了推理效率的飞跃。 尽管“最佳K样本选择”的思想并非全新,但该研究的贡献在于清晰地揭示了这一简单机制如何直接解决生成模型的核心瓶颈,并为实现高效、端到端的生成模型开辟了新的可能性。随着模型规模的持续扩大,探索这一新维度可能将发挥越来越关键的作用。

marsbit1小时前

生成模型也能端到端训练了?核心竟是一个for循环

marsbit1小时前

年薪百万抢电工,Meta急到自己办技校

AI竞赛正面临新的瓶颈:工地。美国正面临严重的电工、建筑工等技术工人短缺,这已成为微软、Meta、OpenAI等公司快速建设超大规模AI数据中心(如OpenAI耗资160亿美元的“星际之门”项目)的“头号障碍”。 尽管AI公司愿支付高薪(如电工年薪可达24-28万美元),远超传统行业,但熟练技工仍供不应求。麦肯锡预测,美国在2023-2030年间需额外培养13万名电工和24万名建筑工,而劳工统计局预计每年仍有8万个电工岗位空缺。这种短缺导致项目延迟,每月可能造成数百万美元的收入损失。 AI数据中心建设复杂,需应对巨大功耗(一座设施耗电堪比数十万户家庭)、复杂的配电系统以及高密度散热(需液冷技术)等挑战,因此亟需大量技术娴熟的工人。 为此,科技巨头开始亲自下场培养人才。例如,Meta投入1.15亿美元建立建筑工人培训学校,提供免费培训及生活补贴,以快速输送工人上岗。OpenAI则与建筑工会合作,提前锁定熟练劳动力。同时,企业也将招聘目光投向高中生,鼓励年轻人投身技工行业。这些举措已见成效,Z世代对技工职业的兴趣显著上升。 然而,更深层的挑战在于电力。AI数据中心用电量正以惊人速度增长,已推高部分地区的电价。此外,数据中心建设是项目制的,建设期需要成千上万的工人,但建成后仅需少量常驻人员。这意味着未来可能面临熟练工人短期过剩、并流向其他行业压低薪资的风险。如何实现劳动力与电力资源的长期平衡,仍是悬而未决的问题。

marsbit2小时前

年薪百万抢电工,Meta急到自己办技校

marsbit2小时前

交易

现货

热门文章

从H2A到A2A:AI Agent经济体与Crypto新机遇

6月17日,哈佛大学独立研究员、美国AI科学院(NAAI)通讯院士、比特币基金会终身会员韩锋做客火币HTX《大咖讲堂》第三期,以《从H2A到A2A》为主题,分享了其对Agent经济、Crypto基础设施及数字社会未来发展的思考。

541人学过发布于 2026.07.01更新于 2026.07.01

从H2A到A2A:AI Agent经济体与Crypto新机遇

美股TradFi:传统金融在AI IPO浪潮下的稳健锚点

2026年,美股IPO市场重回高热度。本文梳理即将上线或受关注的热门赛道龙头,分析具备投资潜力的交易标的及其逻辑,并探讨宏观趋势与相关风险。

2.5k人学过发布于 2026.07.08更新于 2026.07.08

美股TradFi:传统金融在AI IPO浪潮下的稳健锚点

相关讨论

欢迎来到HTX社区。在这里,您可以了解最新的平台发展动态并获得专业的市场意见。以下是用户对AI(AI)币价的意见。

活动图片