AI 开始参与审稿之后,科学将走向何方?——从 ICML 2026 新政到 aiXiv 的 AI 原生科研实验

我爱免费

作者：微信文章
璇玑枢，助力学术成长，点亮科研之路

---

一、原消息速览：两项标志性变化，指向同一个危机

背景共识：
AI 相关领域论文数量呈指数级增长，传统同行评审体系已接近负荷上限。

【消息一】ICML 2026：有限度允许 AI 辅助审稿

• ICML 2026 正式发布 LLM 使用政策• 审稿制度分为两条并行路径：

• Policy A：禁止使用 AI（除拼写检查、文献检索等非认知工具）• Policy B：允许有限度使用 AI 作为理解与表达辅助，但禁止将评审判断权交给模型

• 作者与审稿人需提前声明偏好政策• 引入**“对等原则”**：


若作者要求其论文必须由纯人类审稿，则其作为审稿人时也不得使用 AI


• ICML 明确要求：

• 使用的 AI 工具必须满足隐私与数据合规要求

• 组委会计划通过随机对照方式，分析 AI 使用是否系统性影响评分分布

📌 官方政策：
https://icml.cc/public/LLM-Policy

---

【消息二】aiXiv：欢迎 AI 写论文，也欢迎 AI 审论文

• 新预印本平台 aiXiv 正式上线• 明确接受：

• AI 生成论文• AI 作为审稿主体

• 审稿流程：

• 5 个 AI 智能体评估论文的新颖性、技术稳健性与潜在影响• 达到阈值即发布• 作者可根据 AI 反馈反复修改并再审

• 主打高通量与高速反馈：

• 审稿时间：分钟级

• 发起团队来自多所高校（清华、牛津、多伦多等）

📌 Science 报道：
A new preprint server welcomes papers written and reviewed by AI
（10 Dec 2025）

---

二、问题的真正起点：同行评审为何走到临界点？


这两项变化，并非偶然。

在 AI 领域，论文生产函数已经被彻底改写：

• 写作成本骤降• 实验复现与变体生成门槛降低• 论文数量远超人类评审带宽

结果是一个结构性失衡：

生产端已高度自动化，评估端仍高度依赖人类。

ICML 与 aiXiv，正是对这一失衡的两种回应。

---

三、ICML 2026：AI 融合（AI Integrated）的制度化路径


ICML 的核心判断并不是“AI 能不能审稿”，而是：

科学评价中的判断权，是否必须由人类保留？

Policy B 的设计非常克制：

• AI 可辅助“理解”• AI 可改善“表达”• 但不能生成结论性判断

这实际上是在划定一条关键边界：

工具智能 ≠ 价值判断

对等原则的深层意义


“对等原则”并非道德姿态，而是机制设计：

• 它将“是否使用 AI”的选择，与个人行为绑定• 防止作者与审稿人角色之间的策略性不一致• 将学术诚信成本内生化

这是顶级会议首次在制度层面，正面回应“AI 使用双标”问题。

---

四、aiXiv：AI 原生（AI Native）的科研范式试验


aiXiv 的假设与 ICML 几乎相反：

如果认知判断可以被规模化外包给机器，人类是否仍是必需的评审主体？

在 aiXiv 中：

• AI 同时承担作者、审稿人、反馈者的角色• 科学生产形成闭环• 速度成为核心优势

这一模式的吸引力在于可扩展性，但风险同样明显：

• AI 更擅长识别“形式错误”，而非“概念突破”• 在缺乏人类常识兜底的情况下，
自洽但错误的知识体系可能被快速放大

正如多位学者警告的那样：

模型正在变得越来越像科学家，但并不必然意味着它具备科学判断力。

---

五、真正的分歧：不是技术，而是“判断权”的归属

维度	ICML 2026	aiXiv
AI 定位	辅助工具	认知主体
判断权	人类	模型
核心风险	效率不足	失真放大
优先目标	可信度	可扩展性

换言之，这并不是一场“保守 vs 激进”的简单对立，而是：

在信息过载时代，科学应优先保障什么？

---

六、一个被反复忽视却至关重要的问题


当评审系统高度优化“大概率正确”时，小概率但颠覆性的真理会发生什么？

许多重大突破在早期阶段：

• 表达并不成熟• 证据并不完整• 甚至看起来“不像好论文”

而当前的大模型，无论用于写作还是评审，都天然偏好：

• 结构完整• 论证顺滑• 与既有范式高度相似的内容

从这个角度看，ICML 坚持保留 Policy A，并非保守，而是在为科学系统保留反直觉探索的生存空间。

---

七、可能的现实结局：分层共存，而非一方取代


更可能出现的未来是：

• 顶级会议 / 期刊

• 人类背书• AI 深度辅助• 速度慢，但可信

• 高通量探索平台

• AI 主导• 快速试错• 泥沙俱下

• 真正的突破

• 或许诞生于两者之间的摩擦地带

---

结语


ICML 2026 的谨慎，与 aiXiv 的激进，并非路线之争，而是同一焦虑的两种表达：

人类已经无法独自承担现代科学的评估负荷。

AI 是否会改变科学？几乎可以肯定会。
真正的问题是——我们是否还能清楚地知道，什么值得被称为“科学”。