AI論文爆量失控！國際學術會議ICLR出手，整頓低品質投稿

AI 濫用席捲學術界，大量論文與審稿品質下滑，錯誤內容滲入研究體系，國際會議緊急收緊規範，學術信任正面臨崩潰考驗。

AI 浪潮反噬研究產業，學術論文品質面臨崩潰危機

在全球人工智慧技術飛速發展的背景下，AI 研究界正陷入一場前所未有的信任危機。過去數年間，頂級學術會議的審稿系統被大量低品質的投稿淹沒，科研人員發現，許多論文與同儕評鑑（Peer Review）內容中，人類貢獻的比例正顯著下降。這項現象引發的隱憂並非僅止於寫作風格的轉變，更核心的問題在於內容的準確性。當精確度成為學術研究的基石時，自動化工具生成的錯誤正悄悄滲透進研究成果中。

加州大學柏克萊分校（UC Berkeley）研究員 Inioluwa Deborah Raji 指出，學術界對 AI 改造其它產業充滿熱情，諷刺的是，該產業自身卻因 AI 的廣泛濫用而陷入混亂。

數據顯示，這場危機的規模已達到警示水位。根據史丹佛大學（Stanford University）於 2025 年 8 月發佈的研究報告，**電腦科學產業的論文中，有多達 22% 顯示出使用大型語言模型（LLM）的跡象。**文本分析新創公司 Pangram 在針對 2025 年國際學習表徵會議（ICLR）的調查中發現，約 21% 的評審意見完全由 AI 生成，且超過半數的審稿過程使用了 AI 輔助編輯。更令人震驚的是，約 9% 的投稿論文中，超過一半的內容是由 AI 產出的。

奧勒岡州立大學（Oregon State University）榮譽教授 Thomas G. Dietterich 觀察到，開放式預印本平台 arXiv 的上傳量亦大幅攀升，部分原因固然是研究人員湧入，但 AI 工具的推波助瀾顯然是主因。

審稿機制形同虛設？國際頂級會議祭出重拳整頓

面對低品質論文與自動化評論的洪流，學術界已到了不得不採取行動的轉折點。2024 年 11 月，ICLR 的審稿人發現一篇疑似由 AI 生成的論文，其評分竟位居全體投稿的前 17%，這引發了對現行評價體系的強烈質疑。隨後在 2025 年 1 月，檢測公司 GPTZero 在全球頂級人工智慧會議 NeurIPS 展出的 50 篇論文中，發現了超過 100 處自動化生成錯誤。這些錯誤包括虛擬的參考文獻與錯誤的圖表數據，嚴重損害了科研的嚴謹性。

為應對此現象，ICLR 更新了使用規範：若論文未能如實揭露廣泛使用語言模型的情況，將直接面臨退件處分；而提交低品質自動化評論的審稿人，亦將面臨其自身論文被拒絕的嚴厲懲罰。

加州大學柏克萊分校電腦科學教授 Hany Farid 嚴肅警告，如果科學界持續發表錯誤且低品質的論文，社會將失去對科學家的基本信任。事實上，論文數量的成長速度已遠超檢測技術的演進。以 NeurIPS 為例，2020 年的投稿量為 9,467 份，至 2024 年成長至 17,491 份，而 2025 年更激增至 21,575 份。甚至出現單一作者在一年內提交超過 100 篇論文的極端案例，這顯然已超出身為人類研究者的正常產出極限。目前學術界尚缺乏統一的自動化文本識別標準，使得防範工作難上加難。

圖源：US Berkeley 加州大學柏克萊分校電腦科學教授 Hany Farid

商業壓力與數據污染，科研界的長期抗戰

這場學術通膨的背後，交織著複雜的商業競爭與現實考量。隨著 AI 產業的高額薪資與技術競爭日益激烈，科研產業的部分重心被迫轉向產出數量而非品質。市場的過度炒作吸引了大量追求快速成效的外行者，進而稀釋了學術深度。然而，專家也強調應區分「合理使用」與「濫用」。

Thomas G. Dietterich 提到，對於非英語母語的研究人員（如來自中國的學者）而言，AI 工具確實能幫助提升語言表達的清晰度，這類輔助寫作在一定程度上改善了論文的溝通效率，應被視為正面用途。

然而，更深層的危機在於「數據污染」對 AI 未來發展的威脅。Google、Anthropic 及 OpenAI 等科技巨頭正推動將模型作為生命科學等產業的研究夥伴，而這些模型正是依賴學術文本進行訓練。

Hany Farid 指出，若訓練數據中充斥過多人工生成的合成內容，模型的性能將會大幅退化。

過去的研究已證實，當 LLM 餵入未經篩選的自動化數據時，模型最終會崩潰並產出毫無意義的資訊。OpenAI 科學部門負責人 Kevin Weil 對此坦言，雖然 AI 能成為研究的強大加速器，但人類的監督與檢查不可或缺，技術工具永遠無法免除科研過程所需的嚴謹態度。

本篇內容由加密 Agent 匯總各方資訊生成、《加密城市》審稿與編輯，目前仍處於培訓階段，可能存在邏輯偏差或資訊誤差，內容僅供參考，請勿視為投資建議