ICLR 2027 摘要投稿超 6 万篇，AI 写论文正在压垮顶会审稿体系
一届顶会干翻十四年总和
今年机器学习顶会 ICLR 的投稿数据让整个社区炸了锅：在 9 月 18 日摘要截止时，系统里躺着超过 6 万份提交。
这个数字什么概念？从 2013 年第一届 ICLR 到 2026 年，十四届会议加起来的投稿总数大约是 5.6 万篇。也就是说，ICLR 2027 一届就把过去十四年的总量给超过了。
第一届 ICLR 只有 67 篇投稿，到 2026 年已经涨到 19525 篇。但谁也没想到，2027 年直接跳到了六位数级别。有网友调侃：“照这速度，过几年投稿数破百万也不是梦。”
当然，这 6 万+ 是摘要阶段的原始提交量。按照 ICLR 流程，后续还有全文提交、格式审查、作者主动撤稿等环节，最终进入正式评审的数量会少一些。比如 2026 年收到 19525 篇有效投稿，最后有 13763 篇进入决策阶段。即便如此，6 万这个起点已经足够吓人。
审稿人力根本跟不上
论文数量暴涨，最头疼的是审稿系统。
ICLR 2026 为了处理不到两万篇投稿，动用了 18054 名审稿人，提交了 76139 份评审意见。平均每篇论文有 5.5 个审稿人参与（含 meta-reviewer 和 area chair）。如果按相同比例推算，6 万篇可能需要超过 5 万名审稿人——而全球活跃的机器学习研究者总数也没那么多。
更麻烦的是，很多新投稿来自“没有合格审稿人资格”的作者群体。ICLR 2026 中，约 20% 的投稿找不到 reciprocal reviewer（即作者中无人具备审稿资格或未注册为审稿人）。这意味着这些论文无法被正常分配审稿人，只能靠组委会临时协调，进一步加剧资源紧张。
面对这种局面，ICLR 2027 程序委员会提前出手，在 9 月初就发布了严格的限流政策。
限流：投得多就得审得多
新政策的核心逻辑很简单：你投得多，就得审得多。
具体规则包括：
- 每位作者最多出现在 20 篇投稿中；
- 如果所有作者都缺乏 reciprocal reviewer 资格，该团队最多只能投一篇；
- 出现在 3 篇及以上投稿中的作者，必须承担至少 6 篇论文的评审任务；
- 原则上，每篇投稿需至少有一位作者注册成为 reviewer。
这些措施直指问题根源：过去很多人只投稿不审稿，把审稿负担转嫁给少数人。现在，系统强制绑定投稿与审稿义务，试图重建平衡。
程序委员会在政策说明中坦承，AI 工具的普及和工业界职位竞争正在推动研究者“多产”。大模型能帮人找 idea、写代码、润色论文，甚至生成 rebuttal，极大降低了论文生产的边际成本。结果就是，投稿量像滚雪球一样越滚越大。
投稿前先让 AI 过一遍
除了限流，ICLR 还在尝试用技术手段缓解压力。
9 月 10 日，官方宣布与 Google 合作，向所有投稿者开放 Paper Assistant Tool（PAT）。作者可以在正式提交前，把论文草稿上传到 PAT，获得自动化的格式、结构、语言等方面的反馈。
官方强调，这些反馈仅对作者可见，不会进入评审流程，也不会影响录用决定。它的定位更像是一个“投稿前检查器”，帮助作者避免低级错误，减少因格式问题被 desk reject 的情况。
某种程度上，这标志着顶会开始系统性接纳 AI 辅助工具——不仅允许作者用，还主动提供官方支持。但这也引发另一个担忧：AI 正在闭环接管整个科研流程。
AI 闭环：写、审、辩全包了
过去两年，大模型已经深度嵌入论文生产链：
- 写作阶段：用 LLM 生成引言、相关工作、实验描述；
- 实验阶段：Coding Assistant 自动生成训练脚本、调参代码；
- 投稿阶段：AI 润色语言，优化图表说明；
- rebuttal 阶段：根据审稿意见自动生成回应草稿。
审稿端也没闲着。最近爆火的判断模型 JEV 就被广泛用于 Agent 场景——给一段执行结果，快速判断任务是否完成。有读者调侃：“ICLR 审稿有救了”，暗示未来可能用类似模型做初筛。
但问题在于，如果论文是 AI 写的，审稿是 AI 辅助的，rebuttal 也是 AI 生成的，那整个学术交流的真实性在哪里？社区里“顶会越来越水”的抱怨，很大程度上源于这种对质量稀释的焦虑。
社区开药方：有人建议直接取消本届
面对 6 万+ 的冲击，研究者们纷纷出主意。
有人提出激进方案：干脆取消 ICLR 2027，花一年时间重新设计会议机制。理由是现有模式已经崩溃，不如趁机重建 prestige。
更多人给出具体改进方向：
- 限制每人最多投 3～4 篇，杜绝“广撒网”策略；
- 压缩正文到 3～4 页，强制作者把核心结果放在前面，减少冗长铺垫；
- 要求代码、数据、中间结果随投稿公开，并交给 Agent 自动验证可复现性；
- 给审稿人真金白银或实质性学术 credit，比如计入职称评审、提供会议注册费减免等。
还有人补了一条带点黑色幽默的建议：每篇投稿收 10 美元不可退费用。按 6 万篇算，就是 60 万美元收入，至少够给审稿人买咖啡提神。
官方态度：鼓励做更完整的研究
有趣的是，ICLR 程序委员会在 Call for Papers 中，专门给首次投稿者写了一段话。
他们承认，更好的 AI 工具、理论进展、基础设施改善，以及机器学习向生物、材料、社会科学等领域的扩散，都在推动研究量快速增长。但他们也提醒：省下来的时间，应该投入到更完整、更有野心的研究项目中，而不是拆成多篇短平快论文。
这句话其实点出了问题的本质：AI 提升的是“产出效率”，但不一定提升“研究深度”。当写一篇论文的成本趋近于零，大家自然倾向于多投——哪怕每篇的增量贡献很小。
而顶会原本的设计初衷，是筛选出真正有突破性的工作。现在，它正被海量“合格但平庸”的论文淹没。
下一步会怎样？
目前来看，ICLR 2027 很可能成为顶会转型的关键节点。
如果最终录用率大幅下降（比如从 27% 降到 10% 以下），可能会劝退一部分投机性投稿；如果审稿质量因人力不足而下滑，又会损害会议声誉。无论哪种结果，都会倒逼社区思考：在 AI 时代，我们还需要传统顶会吗？
也许未来的解决方案不是“更多审稿人”，而是“更智能的筛选机制”——比如用 Agent 自动验证实验可复现性，用模型初筛创新性，再由人类专家聚焦真正值得讨论的工作。
但在此之前，6 万篇论文已经躺在那里，等着被 Judge。