学术评价体系革命：ICML 2026双轨制与aiXiv全自动科研平台的对决

【导读】同行评审体系正在经历一场前所未有的变革！面对论文数量的指数级增长，顶级会议ICML 2026推出了复杂的「双轨制」政策，允许有限度地使用AI辅助审稿，并通过「对等原则」防止双重标准；而新兴平台aiXiv则更加激进地拥抱「全自动科研」，论文由AI撰写、AI评审。一条是AI辅助的改良之路，另一条是AI原生的颠覆之路，两者都是为了应对AI领域论文数量的爆炸式增长。

学术界正站在一个微妙的十字路口，面临着同行评审体系的深刻变革。

左边是拥挤不堪的传统顶会，无数人类审稿人在海量论文的冲击下疲惫不堪，他们试图在捍卫「人类评价标准」的同时，谨慎地引入AI作为助手，以缓解日益沉重的工作负担。

右边则是一片狂野的新大陆，在那里，机器撰写论文，机器审阅论文，科学发现的飞轮正在脱离人类生理极限的束缚，全速旋转，奔向未知的领域。

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

它们看似都在解决同行评审体系崩溃这一紧迫问题，但指向的却是两种截然不同的科学未来。

ICML 2026，一场关于诚实与人性的社会实验

作为机器学习领域的皇冠明珠，ICML（国际机器学习会议）的选择往往被视为整个学术界的风向标。

在即将到来的ICML 2026中，组委会决定不再对AI采取简单的「封杀」或「放任」态度，而是设计了一套极其复杂的「双轨制」政策，试图在技术冲击与人文价值之间寻找平衡。

根据ICML公布的新政，审稿流程被划分为两条平行线：Policy A（保守派）与 Policy B（温和派）。

在Policy A里，AI被严格禁止。

除了拼写检查和传统的文献检索工具，审稿人必须依靠纯粹的人类智力来完成阅读、理解和批判性思考。

这是一块为「原教旨主义者」保留的净土，强调人类判断的不可替代性。

而在Policy B里，规则变得暧昧：审稿人被允许使用AI，但有着严格的界限。

你可以用大模型来辅助理解晦涩的数学公式，或者润色你的评审意见，但你绝不能把审稿的核心权力让渡给机器。

直接向AI提问「这篇论文的优缺点是什么？」，或者「请帮我写一段评审综述」，依然是绝对的禁区，必须由人类自主完成。

这套看似割裂的方案，实则是对学术界现状的无奈妥协，反映了社区内部的深刻分歧。

ICML在制定政策前进行的调研显示，社区已经彻底分裂：

约40%的审稿人强烈支持严禁AI的保守路线，但也有30%的人渴望拥抱AI；

作为作者时，双方更是势均力敌，各占半壁江山，难以形成统一意见。

更现实的数据是，已有70%的受访者习惯用AI润色文字，如果实施全面禁令，四成审稿人直言工作将难以为继，这凸显了AI工具在日常工作中的普及程度。

正是这种不可调和的「最大公约数」困境，迫使组委会最终放弃了统一规则，转而寻求分而治之的策略。

除此以外，更有趣的是ICML设计的「匹配机制」。

这是一次关于学术诚信的博弈，旨在防止投机行为。

作者在投稿时，需要声明自己是「必需A」还是「允许B」。

审稿人也需要选边站队。系统会尽量撮合意愿匹配的双方，以确保评审过程的公平性。

但ICML引入了一条「对等原则」：如果你作为作者强硬地要求自己的论文必须由纯人类审稿（选择Policy A），那么当你作为审稿人时，你也必须承诺不使用AI。

这一条款极其精妙地遏制了潜在的「双标」行为：那些希望别人用生命在读自己的论文，自己却用AI敷衍别人的投机者，在这里将无处遁形，确保了政策的自洽性。

组委会还进行了一项调查，如果要求偏好政策B的审阅者按照政策A进行审阅，是否存在不合规的风险。

从上图的调查结果得知，如果ICML强行搞「一刀切」禁止LLM，虽然大部分人会遵守（深蓝），但会给一部分人带来工作负担（浅蓝），甚至逼迫极少数人走向「学术不端」（橙色）。

这些数据也支撑了ICML的判断：「统一禁止LLM可能不是正确的方法」，因此双轨制成为必然选择。

此外，ICML对Policy B中使用的AI工具设定了极高的门槛：必须是「隐私合规」的。

这意味着你不能随手把论文丢进免费版的ChatGPT或Claude，因为这些数据可能会被用来训练模型，导致未发表成果的泄露，损害作者的知识产权。

审稿人必须使用企业级API、本地部署的模型，或者明确带有「不训练数据」条款的付费服务，以确保论文内容的安全。

这个看似技术性的细节，实则在学术界划出了一道隐形的阶级鸿沟。

拥有充裕经费、能够订阅企业级AI服务的顶尖实验室成员，将能合法地利用AI提效；

而资源匮乏的独立研究者，可能被迫留在Policy A的慢车道上，从而加剧学术资源的不平等。

为了监控这场实验的效果，ICML甚至计划引入随机对照试验。

他们会对比两个「宇宙」中审稿分数的分布差异。

如果发现使用AI的审稿人系统性地给出了更高或更低的分数，程序主席将介入干预，以确保评分的公正性。

这清楚地表明，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，为未来政策提供数据支持。

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纲重任，彰显了华人学者在AI领域的日益增长的影响力。

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

张潼教授拥有斯坦福大学博士学位，学术与工业界履历均十分亮眼。

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要职，兼具理论与实践经验。

他的研究领域广泛，涵盖机器学习理论、优化理论及强化学习等多个方向，是该领域的权威专家。 

另一位担任要职的华人学者，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。

他将出任学术诚信主席（Integrity Chair），负责统筹和监督明年ICML的评审过程，确保整个流程的透明与公正。

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途径，该机制自2023年起已在ICML连续三年进行实验，有望在2026年得到更广泛的应用。

aiXiv：当科学不再需要人类

如果说ICML是在旧世界的废墟上修修补补，试图在保留人类中心地位的前提下提升效率，那么aiXiv则彻底推倒了这堵墙，拥抱一个完全由AI驱动的科研世界。

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角，AI成为平等的参与者甚至主导者。

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

aiXiv打出的旗号惊世骇俗：我们欢迎由AI撰写的论文，也欢迎由AI审阅的论文，彻底打破了人类对知识生产的垄断。

aiXiv的发起人之一Guowei Huang直言：「AI生成的知识不应受到区别对待，我们只在乎质量，不在乎是谁生产了它。」这一观点挑战了学术界的传统认知。

在aiXiv的后台，一组AI审稿智能体日夜不休地工作。

它们会从创新性、技术稳健性和潜在影响力等维度对论文进行打分，只要达到某个门槛，就能在极短时间内发布到平台上。

而传统期刊的同行评审往往需要耗费数月甚至数年，aiXiv的效率优势显而易见。

更激进的是，这是一个闭环。

作者可以根据AI智能体的反馈修改论文，然后再次提交，如此往复，形成人机协作或机机协作的快速迭代循环。

早期的测试数据声称，这种「人机迭代」或「机机迭代」能显著提升论文质量，加速科学发现的进程。

aiXiv的出现，是对现有学术出版体系的一次无声嘲讽，挑战了传统期刊和会议的权威。

arXiv前不久宣布不再接收纯AI撰写的综述文章，除非已经在期刊或会议通过同行评审；Science等顶刊依然对AI署名严防死守，坚持人类作者的主体性。

主流学界依然在努力辨别「什么是人写的，什么是机器写的」，而aiXiv摊手表示：这重要吗？只要内容有价值，来源并不重要。

当然，质疑声从未停歇。

俄勒冈州立大学的Thomas Dietterich教授警告说，大模型正在变得越来越像科学家，但这不代表它们具备了科学家的判断力。

它们善于模仿科学论文的架构和语气，却未必能保证内容的真实性和逻辑的严谨性。

一个充满「幻觉」的科学界是可怕的，可能导致大量虚假知识的传播。

如果AI开始大量炮制看起来完美无缺但逻辑虚假的论文，并由另一群AI审稿人给予通过，人类科学的大厦可能会被某种被称为「学术垃圾」的流沙所吞没，造成知识的污染。

殊途同归的焦虑

ICML的谨慎与aiXiv的激进，看似背道而驰，实则源于同一种焦虑：人类处理信息的带宽，已经远远跟不上信息指数级膨胀的速度。

过去几年，AI领域的论文数量呈现出一种近乎病态的增长。人类审稿人不仅要面对数量的压力，还要面对质量的参差，以及日益复杂的交叉学科内容。

bioRxiv和medRxiv等预印本平台已经引入AI工具来筛选涉嫌造假的论文，初步尝试用技术应对技术问题。

在这种背景下，ICML选择了一条改良主义的道路。

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关在笼子里，让它做人类的助手而非替代者。

它试图保留科学评价中那种微妙的、难以量化的「人类直觉」，认为这是科学创新的灵魂。

而aiXiv选择了一条加速主义的道路。

它默认人类已经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，就像它们涌现出语言能力一样，从而接管科学评价的重任。

这两场实验的结果，将决定我们未来的科学是什么样子。

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、泥沙俱下但在此刻就能触达未来的数据海洋？这成为一个开放性问题。

ICML 2026的政策将在未来几年内面临巨大的执行挑战。

如何界定「辅助」与「代笔」的边界？如何监督和执行隐私合规要求？

如何确保富裕机构与贫穷机构的公平？这些都需要在实践中摸索。

当大多数人都习惯了Policy B的便利，Policy A是否会沦为一种虽然高尚但无人问津的「复古情怀」？人类的主导地位是否会逐渐丧失？

与此同时，aiXiv里的智能体正在以远超传统期刊的速度吞吐着论文。

它们不关心人类的伦理纠结，只关注效率和产出。

在这个技术与智力极速变革的时代，我们要警惕的或许不是AI会取代科学家，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、停顿和长时间的无解之中，这些是人类智慧的闪光时刻。

而AI追求的是流畅、概率和最优解，可能会忽略那些看似离经叛道、实则颠覆认知的「小概率真理」。

当我们将审稿的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真正具有革命性的思想？

或许，这才是ICML坚持保留Policy A的真正深意——为人类的直觉和创造力保留一片净土。

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