某国际人工智能会议21%的稿件评审报告被证实由人工智能生成，此事已引发争议。  

（配图说明：一张特写照片，红色玩具机器人置于一摞书籍之中。）  

潘格拉姆实验室（Pangram Labs）开发的AI检测工具发现，同行评审人员使用聊天机器人撰写给作者的反馈已呈增多趋势。图片来源：breakermaximus/iStock via Getty  

若研究人员怀疑自己的稿件收到了人工智能（AI）撰写的同行评审，该如何应对？数十名学者已在社交媒体上表达担忧，涉及的稿件与评审报告均提交至明年召开的“国际表征学习大会”（ICLR）——这是机器学习领域专家的年度盛会。学者们指出的问题包括评审中存在“虚构引用”，以及对其研究的反馈“异常冗长且模糊”等。  

美国宾夕法尼亚州匹兹堡市卡内基梅隆大学的AI研究者格雷厄姆·纽比格（Graham Neubig），就是收到疑似由大型语言模型（LLM）生成评审报告的学者之一。他表示，这些报告“文字冗长，包含大量项目符号”，且要求开展的分析并非“AI或机器学习领域常规论文评审中，评审者通常会要求的标准统计分析”。  

但纽比格需要证据证明这些报告由AI生成。于是，他在X平台（前身为Twitter）发帖，悬赏征集能扫描所有会议投稿及对应评审报告、识别AI生成文本的人。次日，他收到了纽约市潘格拉姆实验室（Pangram Labs）首席执行官马克斯·斯佩罗（Max Spero）的回应——该实验室专注于开发AI生成文本检测工具。潘格拉姆实验室对2026年ICLR大会（将于明年4月在巴西里约热内卢举办）收到的19490份研究稿件及75800份评审报告进行了全面筛查。纽比格及其他1.1万余名AI研究者将参会。  

潘格拉姆的分析结果显示，ICLR大会约21%的同行评审报告为“完全AI生成”，超半数评审报告存在“使用AI的痕迹”。该结果已由潘格拉姆实验室发布至网络。“此前人们只是怀疑，但没有确凿证据，”斯佩罗表示，“我们在12小时内编写了代码，从所有投稿稿件中提取出了文本内容进行分析。”  

会议主办方表示，目前已启用自动化工具，评估投稿稿件及评审报告是否违反“投稿与评审中AI使用相关规定”。美国纽约州伊萨卡市康奈尔大学计算机科学家、2026年ICLR大会高级程序主席巴拉特·哈里哈兰（Bharath Hariharan）指出，这是该会议首次大规模面临此类问题。“待我们完成全部核查流程后……将能更清晰地判断哪些内容可信。”  

 AI撰写的同行评审  

潘格拉姆团队使用了自主研发的一款工具——该工具可判断文本是否由大型语言模型生成或编辑。分析结果显示，15899份同行评审报告被标记为“完全AI生成”。此外，团队还发现多篇会议投稿稿件疑似包含AI生成文本：199份稿件（占比1%）为“完全AI生成”；61%的投稿以人工撰写内容为主；但有9%的投稿中，AI生成文本占比超过50%。  

潘格拉姆团队已将该检测模型相关研究撰写成预印本[1]，并提交至2026年ICLR大会。团队分析发现，该预印本收到的4份评审报告中，1份被标记为“完全AI生成”，另1份被标记为“经AI轻度编辑”。  

对于许多向ICLR投稿并收到评审报告的研究者而言，潘格拉姆的分析结果印证了他们此前的怀疑。哥本哈根大学计算机科学家德斯蒙德·埃利奥特（Desmond Elliott）表示，他收到的3份评审报告中，有1份“完全没抓住论文核心”。主导该研究的他的博士生怀疑，这份评审报告由大型语言模型生成——因为报告中提及的论文数值结果存在错误，且包含一些表述怪异的语句。  

埃利奥特补充道，当潘格拉姆发布分析结果后，“我做的第一件事就是输入我们论文的标题，想确认我学生的直觉是否正确”。潘格拉姆的分析将这份可疑评审标记为“完全AI生成”，而该评审给论文的评分最低，使其“处于‘接收’与‘拒稿’的边缘”。“这太令人沮丧了。”埃利奥特说。  

后续影响  

2026年ICLR大会组委会允许作者与评审人员使用AI工具优化文本、生成实验代码或分析结果，但要求必须披露此类使用行为；同时明确禁止“使用AI破坏稿件保密性”或“生成虚假内容”的行为。  

目前，会议主办方正结合潘格拉姆的分析结果及其他自动化工具，评估投稿稿件与评审报告是否违反上述规定，并将对违规的作者与评审人员予以处罚。  

哈里哈兰表示，负责同行评审流程的研究者“不仅需要标记由大型语言模型生成的评审报告，还需标记质量低下的评审报告”。他补充道，“直接拒绝（认定）评审人员的门槛会很高。鉴于这些自动化工具可能存在误判，我们不会完全依赖它们。”  

部分作者因稿件评审报告中存在虚假表述，已撤回了向ICLR的投稿；另有一些作者仍在纠结如何回应收到的评审意见。“作为一名科研人员，我在这一行待了足够久，知道向会议投稿时总会收到一些质量不高的评审，”埃利奥特说，但疑似AI生成的评审报告往往“内容庞杂”，“其中有些内容有参考价值，值得回应，但有些内容根本毫无意义”。  

2026年ICLR大会的这一状况，凸显出同行评审人员在“跟上快速发展领域步伐”方面面临的压力日益增大。“当前AI与机器学习领域的评审工作正面临危机——过去五年间，该领域规模呈指数级扩张，”纽比格表示。  

哈里哈兰称，2026年ICLR大会每位评审人员平均需在两周内完成5篇论文的评审工作。“这一工作量极大，远高于以往水平。”他表示，目前相关方已在讨论如何应对这一问题，“领域内所有人都清楚，如今我们每个人承担的志愿工作，比过去多了太多”。