你投顶会时是不是也有个疑问：审稿人到底看不看我的论文？海外学界最近一年吵得最凶的，不是哪个模型又刷了榜，而是同行评审体系正在被AI投稿冲垮这件事。投稿量两年翻倍、审稿人招不满、AI检测器误伤中国学生、有实验室干脆让AI写论文混过了盲审——这三场论战直接决定了你2026年投NeurIPS、ICLR、ACL时的游戏规则。国内中文圈几乎没人系统讲过，这篇给你补上。

第一战：投稿洪水，审稿池塌了

先看数字。据各会议官方及公开报道：ICLR 2025收到约1.17万篇投稿，比上一届暴增近六成；NeurIPS 2024投稿超过1.5万篇；AAAI 2025约1.2万篇，同比涨了四成左右。增长的主因之一，圈内公认是大模型把"写一篇像样的八页论文"的成本从三个月压到了三周。

供给侧炸了，需求侧跟不上。审稿是无偿劳动，一位资深研究者往往同时背着十几个AC（领域主席）指派的活。ICLR 2025公开报道过：单个审稿人被塞6篇以上、AC手里几十篇是常态，组委会被迫大量招募"应急审稿人"，甚至把门槛放宽到刚博士毕业一年。HN和X上的老段子是："以前是三个审稿人糊弄一篇论文，现在是一个审稿人糊弄三篇。"

各方观点： - 悲观派：审稿质量已系统性下降，"don't be too harsh"式模板意见满天飞，评审信噪比越来越低。 - 制度派：问题不是AI而是激励——审稿不发钱不计学分，谁都有动机摆烂，AI只是放大器。 - 技术派：主张用AI先把明显不合格的投稿筛掉，把人力省下来——而这恰恰引爆了第二场论战。

第二战：AI能不能当审稿人？

这场仗分三层打。

第一层：审稿人该不该用AI审稿。 多家顶会（ICML、NeurIPS、ACL等）已在审稿人守则中明文禁止把投稿上传给大模型——未发表论文喂给第三方API，等于把保密义务扔进别人的服务器。但守则管不住行为，OpenReview上多次出现疑似AI生成的审稿意见（措辞工整、篇幅均匀、错误引用），被作者当场挂出来，社区每次都要吵一轮"这审稿人是人还是GPT"。

第二层：AI写的论文该不该禁。 现在各顶会的共识基本是"可以用AI润色语言，但必须披露；不能把AI列为作者；AI生成的图片禁止进入正文"——最后这条是Nature系2023年就定下的红线。NeurIPS 2024起要求作者披露LLM使用情况，OpenReview的投稿表里就有专门一栏。但披露靠自觉，执行靠玄学。

第三层最有戏剧性：AI全流程写论文到底行不行。 据公开报道，加拿大Sakana AI的AI Scientist-v2在2025年初生成了一篇论文，匿名投给一个ICLR workshop，通过了盲审被接收——虽然事后组委会和Sakana都做了说明，但这件事给整个学界敲了钟：盲审的"盲"，对AI和对人是一样的。 反对者说这是评审体系的末日演示；支持者说这恰恰证明该优化的是评审而非写作。

flowchart TD
    A["论文投稿"] --> B["格式与查重检查"]
    B --> C["AI文本检测"]
    C -->|疑似生成| D["人工复核"]
    C -->|正常| E["主席分派审稿人"]
    D -->|坐实造假| F["直接拒稿"]
    D -->|误伤放行| E
    E --> G["三到五人评审"]
    G --> H["守则禁止喂大模型"]
    H --> I["评分意见汇总"]
    I --> J["主席终审"]
    J --> K["接收或拒稿"]

第三战：AI检测器，专坑非母语者

这是和中国读者最相关、也最扎心的一战。斯坦福团队2023年发表在Cell旗下期刊Patterns上的研究测了市面上七款主流GPT检测器：用非英语母语者写的真实托福作文去测，平均六成以上被误判为AI生成；而对母语者的文章改写后，检测器照样被轻松绕过。结论一句话：这些检测器本质在测"英语是不是地道"，而不是"是不是AI写的"。

后果已经真实发生：海外多次爆出学生因检测器误报被指控学术不端、最终学校撤回处罚的案例；导师圈流传的新潜规则是"别让学生的英文太完美"。中科院系、华人学者在X上讨论此事的帖子，转发量常常是英文原帖的好几倍——毕竟全球非英语母语科研人口里，中文使用者是最大的一块。

各方观点： - 检测派：工具会进步，不能因噎废食，至少能吓阻全文代写。 - 废除派：假阳性伤害全落在弱势群体头上，OpenAI自家都因准确率问题在2023年下线了AI文本分类器，这条路走不通。 - 流程派（目前的主流）：放弃"验钞机"思路，改为事前披露+过程留痕+口头答辩抽查，让造假成本转移到答辩环节。

信息差总结

行动指南

1. 投稿前：去目标会议官网读两份文件——作者须知里的AI条款、审稿人守则，每年都在变，别用去年的记忆投稿。
2. 写作时：AI润色可以用，逐条对照披露要求如实填写；参考文献绝对不要让AI生成，幻觉引用是最容易人赃并获的证据。
3. 防误伤：保留写作过程稿、实验记录和代码commit历史，被误报时这就是你的不在场证明。
4. 当审稿人时：严格遵守"不外传"红线，未发表论文别粘进任何在线工具，这个锅背不起。
5. 看热闹：去OpenReview搜你领域今年的公开评审，感受一下意见质量的水位，比看任何经验帖都直观。

参考来源

1. OpenReview（公开评审记录与AI审稿争议主阵地）：https://openreview.net
2. Patterns（斯坦福检测器偏见研究刊载期刊）：https://www.cell.com/patterns
3. NeurIPS官方（投稿统计与LLM披露政策）：https://neurips.cc
4. AAAI官方（投稿量与AI政策公告）：https://aaai.org
5. Sakana AI（AI Scientist-v2项目页）：https://sakana.ai

本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。

[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。