AI浪潮中的学术评审变革：ICML 2026双轨制与aiXiv全自动平台的对决

【导读】学术评审机制正迎来一场颠覆性革新！面对论文数量的爆炸式增长，顶级会议ICML 2026推出了复杂的「双轨制」新规，允许有限度地借助AI进行审稿，并引入「对等原则」杜绝双重标准；而新兴平台aiXiv则激进地拥抱「全自动科研」，由AI撰写、AI评审。一条是AI融合之路，另一条是AI原生之路，两者皆旨在应对AI领域论文激增的挑战。

学术界正处于一个关键的十字路口。

左侧是拥挤不堪的传统顶会，无数人类审稿人在论文海洋中不堪重负，他们试图在维护「人类评判标准」的同时，审慎地引入AI作为辅助工具；

右侧则是一片全新的疆域，在那里，机器生成论文，机器审核论文，科学发现的进程正突破人类生理极限，加速运转。

这两条路径，分别由机器学习顶级会议ICML 2026和预印本平台aiXiv作为代表。

它们看似都在解决同行评审体系崩溃的问题，但指向的却是两种迥异的科学未来。

ICML 2026：一场关乎诚信与人性的社会实验

作为机器学习领域的巅峰会议，ICML（国际机器学习会议）的决策常被视为行业风向标。

在即将到来的ICML 2026中，组委会不再对AI采取简单「禁止」或「放任」策略，而是设计了一套精细复杂的「双轨制」政策。

根据ICML发布的新规，审稿流程分为两条平行轨道：Policy A（保守派）与 Policy B（温和派）。

在Policy A中，AI被严格限制使用。

除了基础拼写检查和传统文献检索工具外，审稿人必须完全依赖人类智力进行阅读、理解和批判。

这是一片为「纯粹主义者」保留的领地。

而在Policy B中，规则则更为灵活：审稿人可有限度使用AI，但存在明确边界。

你可以利用大模型辅助理解复杂数学公式，或优化评审意见表达，但绝不能将审稿决策权移交机器。

询问AI「这篇论文的优缺点是什么？」或「请帮我撰写评审总结」，仍然被绝对禁止。

这套看似分裂的方案，实则是学术界现状的无奈反映。

ICML在政策制定前的调研显示，社区意见已彻底分化：

约40%的审稿人强烈支持严禁AI的保守路线，但也有30%的人希望积极采用AI；

作为作者时，双方立场更是旗鼓相当，各占一半。

更现实的数字是，已有70%的受访者习惯用AI优化文字，若全面禁止，四成审稿人坦言工作将难以持续。

正是这种难以调和的「最大公约数」困境，迫使组委会最终放弃了统一规则。

此外，ICML设计的「匹配机制」尤为引人注目。

这是一次关于学术诚信的巧妙博弈。

作者投稿时，需声明自己属于「必需A」或「允许B」阵营。

审稿人也需选择站队。系统会尽力匹配意愿一致的双方。

但ICML引入了一条「对等原则」：若作者强硬要求论文必须由纯人类审稿（选择Policy A），则其作为审稿人时也必须承诺不使用AI。

这一条款精妙地遏制了潜在的「双重标准」行为：那些期望他人全力评审自己论文、自己却用AI敷衍的投机者，在此将无所遁形。

组委会还调研了若强制偏好政策B的审稿人按政策A审稿，是否存在违规风险。

从上图调查结果可知，若ICML强行「一刀切」禁止LLM，虽多数人会遵守（深蓝），但会给部分人增加负担（浅蓝），甚至迫使极少数人走向「学术不端」（橙色）。

这些数据也支撑了ICML的判断：「统一禁止LLM可能并非正确之道」。

此外，ICML对Policy B中使用的AI工具设定了高标准：必须是「隐私合规」的。

这意味着你不能随意将论文投入免费版ChatGPT或Claude，因这些数据可能被用于训练模型，导致未发表成果泄露。

审稿人须使用企业级API、本地部署模型，或明确带有「不训练数据」条款的付费服务。

这个看似技术性的细节，实则在学术界划出一道隐形鸿沟。

拥有充足经费、可订阅企业级AI服务的顶尖实验室成员，将能合法利用AI提升效率；

而资源有限的独立研究者，可能被迫停留在Policy A的慢车道上。

为监控这场实验效果，ICML甚至计划引入随机对照试验。

他们会对比两个「轨道」中审稿分数的分布差异。

若发现使用AI的审稿人系统性地给出更高或更低分数，程序主席将介入调整。

这清楚表明，ICML的野心不止于维持秩序，他们试图量化AI对人类判断力的具体影响。

ICML 2026组委会

值得关注的是，在即将到来的ICML 2026中，组委会迎来了多位华人学者担任要职。

其中，现任UIUC计算机系教授张潼将出任大会主席（General Chair）。

张潼教授持有斯坦福大学博士学位，学术与工业界经验均十分突出。

他曾任教于香港科技大学和罗格斯大学，并在IBM、百度、腾讯等多家科技公司担任重要职位。

他的研究领域广泛，涵盖机器学习理论、优化算法及强化学习等多个方向。 

另一位担任关键职务的华人学者，是现任宾夕法尼亚大学沃顿商学院及计算机系副教授苏炜杰。

他将担任学术诚信主席（Integrity Chair），负责统筹和监督明年ICML的评审流程。

作为北京大学数院07级校友及斯坦福大学博士，苏炜杰的研究主要聚焦于大模型的数学理论、优化算法及数据隐私保护。

特别值得一提的是，他提出的保序机制（Isotonic Mechanism）为提升AI会议审稿质量提供了重要方案，该机制自2023年起已在ICML连续三年进行测试。

aiXiv：当科学探索不再依赖人类

如果说ICML是在旧体系基础上进行修补，试图在保持人类核心地位的前提下提升效率，那么aiXiv则彻底打破了这堵墙。

在这个由清华大学、牛津大学、多伦多大学、曼彻斯特大学等多家机构研究者联合发起的平台上，人类不再是科学发现的唯一主导者。

• 主页地址：https://aixiv.science
• 论文地址：https://arxiv.org/abs/2508.15126

aiXiv的口号令人震撼：我们欢迎由AI撰写的论文，也欢迎由AI评审的论文。

aiXiv的发起人之一Guowei Huang直言：「AI生成的知识不应受到歧视，我们只关注质量，而非生产者是谁。」

在aiXiv的后台，一组AI审稿智能体持续不间断地工作。

它们会从创新性、技术稳健性和潜在影响力等维度对论文评分，只要达到特定阈值，就能在极短时间内发布到平台。

而传统期刊的同行评审往往需耗时数月甚至数年。

更激进的是，这是一个闭环系统。

作者可根据AI智能体的反馈修改论文，然后再次提交，循环往复。

早期测试数据声称，这种「人机迭代」或「机机迭代」能显著提升论文质量。

aiXiv的出现，是对现有学术出版体系的一次无声挑战。

arXiv前不久宣布不再接收纯AI撰写的综述文章，除非已在期刊或会议通过同行评审；Science等顶刊依然对AI署名严加防范。

主流学界仍在努力区分「人写与机写」，而aiXiv则淡然表示：这重要吗？

当然，质疑声从未停止。

俄勒冈州立大学的Thomas Dietterich教授警告说，大模型正越来越像科学家，但这不意味着它们具备了科学家的判断力。

它们擅长模仿科学论文的结构和语气，却未必能保证内容的真实性。

一个充满「幻觉」的科学界是可怕的。

若AI开始大量生成看似完美但逻辑虚假的论文，并由另一群AI审稿人通过，人类科学大厦可能会被「学术垃圾」的流沙吞噬。

殊途同归的焦虑

ICML的谨慎与aiXiv的激进，看似方向相反，实则源于同一种焦虑：人类处理信息的能力，已远远跟不上信息指数级增长的速度。

过去几年，AI领域论文数量呈现近乎病态的增长。人类审稿人不仅要面对数量压力，还要应对质量参差。

bioRxiv和medRxiv等预印本平台已引入AI工具筛选涉嫌造假的论文。

在此背景下，ICML选择了一条改良主义道路。

它承认AI的工具属性，但试图通过制度设计（如对等原则、隐私合规）将AI约束在助手角色，而非替代者。

它努力保留科学评价中那种微妙、难以量化的「人类直觉」。

而aiXiv选择了一条加速主义道路。

它默认人类已无法独自处理现代科学的数据量，因此必须将部分（甚至全部）认知工作外包给硅基智能。

它在赌，赌AI最终能涌现出鉴别真理的能力，正如它们涌现出语言能力一样。

这两场实验的结果，将塑造我们未来的科学面貌。

是继续维持那个由少数精英人类把关、运转缓慢但相对可信的象牙塔？还是拥抱一个由算法驱动、泥沙俱下却能即刻触达未来的数据海洋？

ICML 2026的政策将在未来几年面临巨大执行挑战。

如何界定「辅助」与「代笔」的边界？

如何确保富裕机构与资源有限机构的公平？

当多数人习惯了Policy B的便利，Policy A是否会沦为一种高尚却无人问津的「怀旧情怀」？

与此同时，aiXiv中的智能体正以远超传统期刊的速度吞吐论文。

它们不关心人类的伦理纠结。

在这个技术与智力极速变革的时代，我们需警惕的或许不是AI取代科学家，而是科学本身的定义被悄然改写。

真正的科学探索，往往诞生于困惑、停顿和长期的无解之中。

而AI追求的是流畅、概率和最优解。

当我们将审稿权力全部或部分让渡给追求「大概率正确」的模型时，我们是否也在无意中过滤掉了那些看似离经叛道、实则颠覆认知的「小概率真理」？

或许，这才是ICML坚持保留Policy A的深层意义。

参考资料：

https://icml.cc/public/LLM-Policy 

https://icml.cc/public/Intro-LLM-Policy 

https://www.science.org/content/article/new-preprint-server-welcomes-papers-written-and-reviewed-ai