标签
该论文探讨了使用大型语言模型（Claude Opus 5）为《自然》《科学》《细胞》系列期刊研究中的36项深度学习任务自动构建简单基线的方法，发现这些基线弥合的性能差距中位数达到95.5%，并在12项研究中达到或超过已发表的深度学习模型的性能，表明自动化基线检验可作为科学同行评审中一种可规模化应用的保障措施。
为 ICLR 急招 2 名应急审稿人，要求具备强化学习（RL）、智能体记忆和/或信息论方面的专长，审稿截止日期为 11 月 2 日 AoE。
一位发帖者对一名朋友在一篇差距分析论文中捏造指标数据，却仍被 AAAI 录用一事表示厌恶，并由此质疑顶级人工智能会议同行评审的严谨性。
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。
一项研究报告称，大语言模型在检测学术论文中的错误方面显著优于受过训练的人类审稿人，这表明利用人工智能辅助同行评审质量保障的方式可能迎来转变。
一位 AAAI/ICLR 审稿人认为，同行评审已陷入严重危机。据其估计，如今顶级人工智能会议中约有一半的评审意见由人工智能生成或修改，投稿论文中也充斥着人工智能撰写的内容。作者提议全面禁止使用人工智能，甚至包括润色语气和文风，因为这种做法正在侵蚀以信任为基础的评审体系。
AllenAI (Ai2) 发布了《旧想法，新问题》（Old Ideas, Novel Problems）研究与基准测试，表明LLM在新颖性判断上极不可靠：微小的提示词改动就能使成对新颖性判断结果变化超过50个百分点，而引入检索和推理并不能带来一致的提升。此次发布包含一个基准、数据、代码，以及一个基于ICLR 2026同行评审构建的、用于生成新颖性评估数据集的自动化流程。
AlphaIdeaBench 提出了一个基准，包含 100 项配有明确资源预算的研究创意生成任务，并使用经真实 ICLR/NeurIPS/ICML 审稿人评分验证的 LLM 评判器，从新颖性和可行性两个维度评估八种创意生成框架和八种骨干大语言模型。
该论文介绍了 PaperScorer，这是一个模型系列，可根据论文文本或页面截图预测同行评审的接收或拒稿决定。通过在匿名化语料库上进行微调，该系列模型在 ICLR 论文上达到了 68% 的准确率，在 arXiv 机器学习论文上达到了 77% 的准确率，表现优于 GPT 和 Gemini 等前沿模型。
ICLR 2027 继续对投稿作出不送审直接拒稿的决定，并感谢学术社区协助防止低质量的 AI 生成论文涌入评审流程。
研究者 Peter Henderson 在 ICLR 审稿中表达对 AI 冲击学术同行评审体系的担忧，指出大量疑似 AI 生成的投稿正导致审稿质量下降与评审系统的死亡螺旋。
该论文提出一种作者参与的智能体协作复现性审计流程，将作者声明作为AI agent调查与评估的显式输入，并在某机器学习会议的36篇论文、133个实验表格上部署，人工复核后提出20个问题并全部闭环解决。
一篇 Hacker News 帖子吐槽 ICLR 审稿中泛滥的晦涩 AI 写作，并附上一段匿名论文中的典型模糊表述，呼吁社区讨论如何在不简单指责“AI 写作”的前提下，批评这类糟糕行文的实质问题。
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。
该论文介绍了 ReviewFact，这是一个用于标注人类和 AI 撰写的同行评审意见中事实性错误的基准；同时还介绍了 PremiseCheck，这是一个将大语言模型前提改写与决策模型相结合的框架，在自然语言处理、机器学习和自然科学领域，以约一半的成本达到了 GPT-5.5 的准确率。
Google Research 公开发布了 Deep Review，这是一个智能体 AI 系统，可对学术、法律和金融领域的技术文档进行严谨审查，由其与主要计算机科学会议合作开展的 Paper Assistant Tool 试点项目演进而来。该系统提供分级访问服务，配备可扩展的 Gemini API，并保证上传的文档不会用于模型训练。
一位 ICLR 审稿人表示，分配给他的三篇论文似乎全都是由 Claude 生成、未经筛选的低质内容，且都采用了相同的核心思路：通过配对差值比较预测器的误差，以推导出更紧的界限。这引发了人们对顶级会议中自动生成论文现象的担忧。
一个名为 Paper Review Harness 的开源 GitHub 项目，利用 30 个 AI 审稿人角色模拟 CVPR、ICLR、ICML、NeurIPS 等会议的同行评审反馈，帮助研究者在投稿前对论文进行压力测试。它提供分区评分、缺陷识别和修订追踪工作流，但不能替代真实同行评审。
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。