2025年11月30日，Pangram实验室发布的一份分析报告，让AI顶会ICLR（国际学习表征会议）陷入学术诚信争议——在ICLR 2026的75800条评审意见中，有15899条被判定为“完全由AI生成”，占比高达21%；同时，1%的投稿论文（199篇）也被检测出“几乎完全由AI撰写”。这一发现源于CMU研究员Graham Neubig的直觉怀疑，他因收到“AI味极重”的评审意见发起悬赏检测，最终揭开了学术圈“AI代写论文、AI代做评审”的恶性循环，引发行业对学术诚信与评审机制的深刻反思。
悬念揭开：从直觉怀疑到数据实锤
事件的起点颇具戏剧性。CMU AI研究员Graham Neubig在收到ICLR 2026的同行评审意见时，发现部分内容“异常冗长且充斥符号，要求的分析方式不符合AI/ML论文的标准统计逻辑”，这让他怀疑评审可能由AI生成。由于个人难以开展系统性检测，他在社交平台发起悬赏：向首位完成ICLR论文与评审AI检测的研究者提供50美元奖励，这一倡议很快吸引了Pangram实验室的响应——该实验室恰好专注于AI生成文本检测技术。
为确保检测准确性，Pangram团队首先攻克了数据处理难题。ICLR投稿论文多为PDF格式，包含大量公式、图表，普通解析工具易产生格式噪音，干扰文本分析。团队采用Mistral OCR模型将PDF转为Markdown，再统一提取纯文本，最大程度消除格式干扰。随后，针对“论文正文”与“评审意见”分别使用不同检测模型：检测论文时，用extended text classifier将文本分段判断AI生成概率；检测评审时，用自研的EditLens模型，不仅判断是否为AI生成，还细分“完全人工”“AI润色”“完全AI生成”等五个参与程度等级。
为验证模型可靠性，团队还以2022年前的ICLR、NeurIPS论文为对照——这些论文创作于AI写作工具普及前，检测结果显示其AI生成概率为0%，证明模型误判率极低。最终，在严格的检测流程下，“21%评审纯AI生成”的结论浮出水面，震惊学术圈。
数据背后：AI评审与论文的双重乱象
Pangram实验室的检测报告，还揭露了ICLR 2026学术生态的多重问题。在评审端，除21%纯AI生成的评审外，超过50%的评审涉及不同程度AI参与，且AI参与度越高，评审评分越宽松——完全AI生成的评审平均评分达4.5分，而纯人工评审平均评分仅4.15分。更值得警惕的是，AI生成的评审虽字数多（平均3800字，远超纯人工评审的950字），但信息密度低、建设性建议少，多为“车轱辘话”，例如反复要求作者“增加消融实验”“扩大测试集”，却未指出具体改进方向，与“长评审=高质量评审”的传统认知背道而驰。
在论文端，61%的投稿为纯人工撰写，但1%的论文（199篇）完全由AI生成，且AI内容占比越高，评审评分越低——AI内容占比90%-100%的论文，平均评分不足2分，远低于人工撰写论文的4分以上。这一数据表明，当前AI写作虽能快速生成文本，但在学术深度、创新点呈现上仍无法替代人类，却仍有研究者试图通过AI“走捷径”。
更严峻的是，ICLR已有明确规定：使用AI撰写论文或参与评审必须披露，且研究者需对内容科学性负责，纯AI生成评审可能违反保密原则与道德准则。但此次检测显示，大量AI生成内容未按要求披露，形成“不披露、难察觉”的灰色地带。
恶性循环：学术信任体系受冲击
Pangram实验室指出，ICLR当前的乱象已形成“AI循环”：一方面，部分研究者用AI代写论文，试图降低创作门槛；另一方面，评审者用AI代做评审，逃避深度分析责任。这种双向滥用不仅导致学术质量下滑，更侵蚀着学术共同体的信任基础。
对作者而言，面对AI生成的“空洞评审”，往往需花费大量时间解读却难获有效反馈。一位投稿者吐槽：“收到的评审长达4000字，却只反复说‘实验设计需优化’，没说具体哪里优化，这种评审对修改论文毫无帮助。”而对评审者而言，AI的便捷性可能让更多人放弃深度思考，形成“依赖AI→评审质量下降→作者信任流失”的恶性循环。
ICLR 2026高级项目主席、康奈尔大学副教授Bharath Hariharan坦言，这是ICLR首次大规模遭遇AI滥用问题，目前已启动自动化工具筛查违规内容。但业内专家担忧，若不建立更严格的审核机制，AI可能彻底改变学术评审的本质——芝加哥大学经济学家Alex Imas提出灵魂拷问：“若我们接受AI主导评审，何必还要人类学者参与？若仍需人类判断，就必须严肃制裁纯AI生成内容。”
如何破局：识别AI评审与重建信任
为帮助研究者识别AI生成的评审，Pangram实验室总结了典型特征：标题多为“粗体标签+冒号”结构（如“Strengths: Clear problem formulation:”）；内容聚焦表面问题，缺乏深度分析；常重复要求“增加实验”“扩大数据”，却无具体改进建议；语言模板化，充斥“听君一席话，如听一席话”的冗余表述。
从行业层面看，破局需从“技术检测+规则强化”双管齐下。ICLR已表示将升级审核机制，对未披露的AI生成内容采取拒稿、通报等措施；部分高校也开始在学术规范课程中加入“AI使用披露”模块，引导研究者合规使用AI工具。Pangram实验室则开源了检测工具（参考链接：https://www.pangram.com/blog/pangram-predicts-21-of-iclr-reviews-are-ai-generated），供会议组织者与研究者参考。
更核心的是重建学术共同体的责任意识。正如AI研究者谢赛宁（Saining Xie）所言：“学术社区已十分脆弱，善待它、维护它的诚信，是每个研究者的责任。”毕竟，学术评审的核心价值在于人类智慧的碰撞与互助，若被AI的“便捷性”取代，学术创新的根基也将动摇。
