【量子位 2026年2月5日讯】AI顶会学术诚信再遭挑战！一位匿名AI研究员近期通过自研的AI核查系统，对NeurIPS 2024收录的4035篇论文展开开源真实性核验，结果令人震惊：在明确标注“已开源”并提供GitHub链接的论文中，有98篇存在“假开源”问题——链接指向的代码仓库要么是“Code coming soon”的待建状态，要么是内容残缺的烂尾项目。此次核查不仅曝光了学术圈“画饼式开源”的乱象，更引发业内对顶会审稿机制、科研诚信底线的激烈讨论。
一、较真研究员怒扒假开源：AI系统一晚建成，4035篇论文筛出98个“空仓库”
这场针对NeurIPS假开源的“打假行动”，源于匿名研究员的亲身经历——多次怀着学习目的点击论文中的开源链接，却反复遭遇404页面或“代码即将上线”的占位提示，最终决定用技术手段揭露行业积弊。
1. 核查技术：AI自动化爬取+多源验证
研究员仅用一晚就开发出核查系统，融合三大核心技术实现高效核验：
-
PDF解析与链接提取：自动扫描NeurIPS 2024论文PDF全文，精准识别“GitHub”“开源地址”等关键词关联的链接，避免人工遗漏；
-
GitHub API实时核验：调用GitHub官方接口，批量检测链接对应的仓库状态，包括是否存在、代码文件数量、最后更新时间、星标数等关键信息；
-
OpenReview交叉验证：结合NeurIPS官方评审平台OpenReview的论文信息，确认作者在审稿阶段是否承诺开源，排除“误标开源”的特殊情况。
“系统会给每个仓库打标签——‘完整开源’（有可运行代码+文档）、‘部分开源’（仅核心代码片段）、‘假开源’（空仓库或占位符）。”研究员强调，尽管基于自动化逻辑存在少量误判可能，但98篇“假开源”论文均经过人工二次确认，仓库状态已持续一年多无更新，“Code coming soon”基本等同于“Code never coming”。
2. 核查结果：开源承诺兑现率不足七成
从统计数据来看，NeurIPS 2024论文的开源情况存在明显水分：
-
真实开源率偏低：4035篇论文中，仅2404篇实现有效开源，占比约59.6%；
-
未标注链接占比高：1533篇论文未提供任何开源链接，既未说明“不开源原因”，也未承诺后续上线，占比38%；
-
假开源问题突出：98篇明确标注“已开源”的论文存在虚假承诺，占标注开源论文总数的约3.9%，涉及国内外多所高校及企业研究团队，部分知名机构也赫然在列。
更值得关注的是，这些“假开源”论文的仓库页面往往精心设计——有的放上台词模板、项目说明文档，甚至伪造“代码提交记录”，但核心的模型训练代码、数据处理脚本始终缺失，误导性极强。
二、假开源为何泛滥？顶会审稿机制成“推手”，多重现实因素加剧乱象
NeurIPS作为AI领域顶会，为何会出现如此大规模的假开源？背后既有审稿机制的漏洞，也有研究者面临的现实困境。
1. 顶会审稿：开源承诺成“潜规则加分项”，却无强制验证
2021年起，NeurIPS等顶会开始强制要求作者填写“可复现性检查表”（Reproducibility Checklist），2024年进一步升级要求——不仅需详细说明开源计划，还需解释“无法开源”的具体理由，而这些内容直接影响审稿打分。
在“开源=加分”的潜规则下，不少团队选择“先承诺再拖延”：
-
占位符策略：提交论文时快速创建GitHub仓库，放上 README.md 写一句“代码即将发布”，即可在检查表中勾选“已开源”，提升录用概率；
-
钻审核漏洞：顶会仅要求提交检查表，却不强制验证开源真实性，审稿人也因时间有限（平均每篇论文评审时间不足2小时），极少实际点击链接核查代码；
-
事后拖延无代价：论文录用后，作者常以“代码整理中”“合规审批未通过”为由拖延开源，而顶会缺乏后续追责机制，假开源几乎没有风险。
“现在业内甚至有‘开源承诺模板’，作者复制粘贴就能用，审稿人根本分辨不出来。”一位不愿具名的NeurIPS审稿人坦言，除非涉及核心技术争议，否则很少会去验证开源内容。
2. 现实困境：合规审批、复现门槛成“甩锅理由”
除了刻意投机，部分假开源也与现实阻碍有关，但这些理由难以服众：
-
工业界合规流程长：部分企业团队声称“代码需通过内部合规审批”，但从NeurIPS 2024截稿到核查时已超一年，远超常规企业合规周期（通常3-6个月）；
-
复现成本高怕质疑：少数论文依赖超大规模算力（如训练一次消耗数百块GPU）或内部私有数据，作者担心开源后他人无法复现，反而引发“成果造假”的质疑，索性选择“不开源装开源”；
-
课题组变动导致烂尾：个别高校团队因“导师离职”“学生毕业”等原因，中断代码整理工作，但未在论文或仓库中更新说明，形成“无意的假开源”。
不过这些理由被业内驳斥：“合规审批可以提前说明，复现难可提供简化版代码或模拟数据，真正的问题是‘承诺时就没打算兑现’。”前Stability AI研究总监Tanishq Mathew Abraham此前就公开批评：“用‘客观困难’掩盖‘主观投机’，本质是对学术诚信的背叛。”
三、业内炸锅：从苦空仓库久矣到呼吁诚信底线
假开源名单曝光后，迅速在AI学术圈引发轩然大波，不同群体纷纷发声，既有对乱象的吐槽，也有对行业未来的反思。
1. 普通研究者：被假开源浪费时间，学习路径受阻
不少年轻研究者和学生是假开源的直接受害者。“看到一篇优秀的图像生成论文，标注开源后兴冲冲点进去，结果只有个空仓库，连数据预处理代码都没有。”一位AI方向博士生吐槽，为了复现成果，他曾花一周时间联系作者索要代码，却始终未获回应，“最后发现作者根本没打算开源，只是为了论文能中顶会”。
更有人直言，假开源破坏了学术交流的根基：“开源本是为了让成果被验证、被迭代，现在变成‘画饼工具’，新人想入门只能靠自己瞎猜，行业进步会越来越慢。”
2. 开源模范对比：卡帕西等学者成“正面教材”
在假开源争议发酵的同时，以Andrej Karpathy（卡帕西）为代表的“开源模范”被频繁提及——他们的论文一经发表，配套代码、训练日志、复现教程会同步上线，甚至附带保姆级视频讲解，让同行能快速跟进研究。
“同样是顶会论文，有的作者能把代码注释写得比论文还详细，有的却连个空仓库都懒得维护。”网友对比表示，科研诚信不该是“可选项”，而是研究者的基本素养。
3. 行业呼吁：建立“开源后验证”机制，严惩学术不端
针对此次假开源事件，业内提出多项改进建议：
-
顶会增设“开源复核环节”：论文录用后、正式发表前，由专门团队核查开源真实性，未兑现承诺的取消录用资格；
-
建立“开源黑名单”：对多次假开源的作者及机构进行标注，影响其后续投稿信誉；
-
明确“不开源合理理由”：在检查表中细化“无法开源”的类别（如涉及商业机密、隐私数据），避免“被迫承诺开源”的无奈选择。
“‘没时间’‘审批慢’都不是违背承诺的借口。”匿名研究员在核查报告末尾强调，“菜不是原罪，但用学术道德换虚名，就是对整个行业的伤害。”
四、深层反思：AI时代科研诚信如何守护？
此次NeurIPS假开源事件，并非孤立个案，而是AI领域快速发展中科研诚信失衡的缩影。随着Agentic AI、大模型辅助写作等技术普及，学术不端的成本降低、隐蔽性增强，守护科研底线需要多方合力。
1. 顶会需打破“唯结果论”，完善评审体系
当前顶会过度关注“创新成果”，却对“可复现性”“开源真实性”缺乏有效约束。未来需从两方面优化：
-
评审权重调整：将“开源可行性”“代码完整性”纳入审稿核心指标，而非仅作为“加分项”，对承诺开源但未落实的论文实施“一票否决”；
-
引入自动化核查工具：像此次匿名研究员的系统一样，顶会可自建或引入第三方AI工具，在审稿阶段就对开源链接进行初步核验，减少人工疏漏。
2. 研究者需回归学术初心，拒绝“投机式科研”
对科研团队而言，开源不仅是“获取顶会门票”的手段，更是推动领域进步的责任：
-
理性承诺开源：若代码涉及合规问题或复现门槛极高，应在论文中如实说明，而非用“占位符”欺骗审稿人和同行；
-
重视开源质量：开源不仅要提供代码，还需配套清晰的文档（如环境配置、参数说明、测试数据），确保同行能顺利复现，避免“形式主义开源”。
3. 技术手段：AI既是“造假工具”，也能成“打假利器”
此次匿名研究员的实践证明，AI技术可成为维护学术诚信的重要力量：
-
自动化核查普及化：未来可将类似系统集成到顶会投稿平台，实时提醒作者“开源链接无效”，从源头减少假开源；
-
全链路追踪：结合区块链技术，对论文的开源承诺、代码更新记录进行存证，确保作者无法事后篡改仓库状态，提升造假成本。
目前，匿名研究员已公开部分核查数据（隐去具体机构和作者信息以避免过度攻击），并呼吁更多同行关注科研诚信问题。“AI领域发展太快，但根基不能歪。”他在报告中写道，“希望这次核查能给行业敲个警钟，让‘开源’回归它本来的意义——分享、协作、共同进步。”
随着讨论持续发酵，NeurIPS官方尚未作出公开回应，但已有多所高校表示将在内部科研规范中新增“开源真实性审查”条款。这场由假开源引发的学术诚信讨论，或许将成为AI领域重塑科研底线的重要转折点。
