标签
该论文量化了同行评审中评审意见的同质化现象,发现 ICLR 评审的重叠度从 2026 年的 12.0% 升至 2027 年的 21.3%,且经 MELD 检测为 LLM 生成的评审彼此之间相似度更高,表明评审多样性正在下降。
ICLR 2027 程序委员会对提交的评审意见运行了 AI 文本检测工具,发现评审过程中存在大量未披露的 AI 使用情况,并要求评审者记录其与 AI 的交互过程。
IEEE Spectrum的Benjamin Skuse与IEEE Access合作进行了一项实验,测试一个普通人能否利用免费的大语言模型(ChatGPT、Gemini)生成一篇看似可信的虚假科学论文,并骗过期刊的审核防线。实验揭示了AI生成的垃圾内容正在如何侵蚀学术出版的信任基础。
一位研究者分享了自己因论文有半句话溢出到第10页而被ICLR直接拒稿的沮丧经历,批评了这一流程,并质疑所提供的LLM反馈在检查格式错误方面的价值。
GPT-6.1 Sol 审查了近800篇数学论文,发现6%存在重大错误、30%有小问题,且随着AI采用率上升,新论文的重大错误率降至1.5%。
前神经科学家、现科研诚信调查员 Michał Wójcik 记录了 AI 生成和捏造的内容——毫无意义的图表、凭空捏造的参考文献以及无法阅读的书籍章节——是如何通过 Springer Nature 和 Elsevier 等大型出版商的编辑审核流程的。
一篇讨论帖,询问社区成员为 ICLR 审稿的经验,重点关注 AI 生成论文数量不断增加,以及在 OpenReview 上识别 AI 撰写的文本和“低质灌水”投稿变得越来越困难的问题。
Hugging Face推广其Paper Pages / Daily Papers功能,以促进科学研究的开放,并引用Abubakar Abid关于公开分享科学知识的激励机制正在瓦解的观点。
arXiv 宣布了一项新的速率限制政策:在 AI 驱动的投稿量激增之后,每位投稿人每月的投稿上限被限定为两篇。据版主反映,低质量的 AI 生成论文以及"香肠切片"式(salami-slicing)拆分发表的论文数量不断增加,正在让平台不堪重负。
Awesome Journal Skills 是一个开源(MIT 许可证)的期刊与会议专用 agent 技能包合集,面向研究人员,覆盖 744 个发表场所,包含 4,166 项技能,可通过 Claude Code marketplace 安装或手动复制使用。
文章主张转向学术界完全开放的审稿系统,以减少偏见、防止虚假声明并提高透明度,特别是为了应对AI生成的投稿和评审带来的挑战。
ArXiv已获得多年资金承诺,以确保其作为独立非营利组织的运营,并支持开放获取的学术出版。
一位推特用户建议论文作者和会议组织者取消 ICLR 2027,并实施政策以恢复顶级出版物的声望。
Transactions on Machine Learning Research 的一位编辑与计划被直接拒稿的论文作者进行了会议,发现许多作者无法充分解释自己的论文,引发了对作者身份、研究诚信以及AI学术界同行评审过程的担忧。
TMLR联系了十篇被桌面拒绝的论文的作者,以评估他们解释自己工作的能力,结果显示大多数作者无法充分回答问题,突显了学术出版中的担忧。
本文提供了一份指南,介绍如何为博客文章获取数字对象标识符(DOI),以提高其在学术研究中的可引用性,讨论了方法、好处和潜在问题。
本评论强调了在评估 LLM 生成的研究想法时,使用已发表的人类基准存在的幸存者偏差,表明观察到的人类-LLM 差距可能是由于选择性发表而非 LLM 的固有局限性所致。
作者观察到 arXiv 投稿中的一个新趋势,即作者可能不理解自己论文的内容,引发了对研究诚信的担忧。
本文论证,改进机器学习同行评审需要实施可执行的程序保障措施,并引入可消耗积分系统(如OpenReview Points),以此激励优质评审并控制投稿量。
OpenReview 上的一位用户注意到,领域主席的评论和他们的回复已经消失,这引发了关于论文拒稿决定中潜在偏见的担忧。他们正在向其他人确认这是否是正常情况。