ICML 2026新规:拒绝AI参与评审,作者该怎么做?

机器之心编辑部
投稿前特别提醒一下各位准备向 ICML 2026 投稿的小伙伴,投稿系统已于 1 月 8 日正式开放,也请大家务必留意关键的截止日期:
摘要提交截止日期:2026 年 1 月 23 日。全文提交截止日期:2026 年 1 月 28 日。
两个月前,ICML 2026 发布了新的投稿政策,我们也做了详细解读。
当时,为了应对超负荷预期的海量投稿,并借鉴其他顶会因超负荷运行而出现的问题,ICML 提出了限制审稿人审稿数量以及对人工智能工具使用的具体规定。
征稿要求中提到:评审过程中可能会使用 AI 工具辅助,但不会允许完全由 AI 执行评审。
已经投出论文的小伙伴们或许已经注意到了,这次 ICML 悄悄发生了一些新变化,而这些在征稿要求中并未详细说明。

我们简单概括一下,ICML 2026 引入了评审类型选择机制,论文作者可以自行决定是否允许在评审过程中使用大语言模型。
具体包括两种政策:
政策 A 属于保守型,简单直接:严格禁止在论文评审过程中使用任何大语言模型。
政策 B 属于宽松型,允许使用模型辅助评审,但会对使用大模型评审的方式做出明确限制:
允许的行为:
使用大语言模型辅助理解论文内容及相关工作;使用大语言模型对评审意见进行语言润色;可将投稿论文提交给符合隐私合规要求的大语言模型。
不允许的行为:
向大语言模型询问论文的优点或缺点;要求大语言模型总结或建议评审应关注的关键点;要求大语言模型提供评审意见的结构或提纲;要求大语言模型撰写完整的评审意见。
隐私合规大语言模型,是指不会使用日志数据进行训练、且对数据保留期限做出限制的模型工具。
这个小变化是比较新颖的。
过去,评审是否使用大模型,更多取决于审稿人个人,或者处于一种被默许的灰色状态。这一次,ICML 明确把选择权交给了作者本人。在论文投稿量持续攀升、审稿负担越来越重的现实下,ICML 既没有彻底禁止 AI,也没有完全放开 AI 评审,却给出了一个相对折中的方案。
问题在于,关于大模型使用的规定,执行起来往往十分困难。
就像我们之前报道的,第三方机构对 ICLR 2026 的审稿意见进行了系统性统计,其中就发现了大量 AI 审稿的现象。
在对 75800 篇论文的审稿意见统计中,竟然有 21% 完全由 AI 生成、4% 重度由 AI 编辑、9% 中度由 AI 编辑、22% 轻度由 AI 编辑,完全由人类(审稿人)撰写的仅占 43%

网友们也表达了类似的看法。AI 审稿已经达到了泛滥的程度,这也并非是 ICML 2026 这次的政策 B 能够完全限制的。

虽说 ICML 明确规定了使用大模型审稿中不允许存在的行为,但谁又能保证审稿人一定遵从了这些限制呢?我们猜测,用大模型审稿的时候,提问大模型的第一句话很可能就是“给出这篇论文的优缺点”,但这明显是违反规定的。

因此,这套规则或许更像是一种明确态度和方向的约定,而不是一套可以严格执行的机制。

不过,在大家如此担心大模型引发各种信任危机的情况下,ICML 还可以让作者选择拒绝大模型审稿。
有一个能够“一刀切”的选项交到论文作者手中,也是当下一个不错的选择,不是吗?
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
同类文章
Cursor加速少数人灵光释放大众创意潜能
AI编程的未来方向,或许并非仅仅提升程序员的效率,而在于赋能更多普通人,让他们也能亲手打造出解决实际问题的个性化工具。 去年十一月,“灵光”首次亮相,其“30秒快速生成应用”的演示让大众首次认识到,无需编写代码也能创造出可用的工具。然而,当时的用户反馈普遍指向一个痛点:生成的应用仅限于个人使用,既难
豆包大模型智能语音助手开发全流程详解
构建豆包大模型智能语音助手需建立ASR、LLM、TTS三段式链路。ASR推荐火山引擎独立服务以确保识别准确;LLM需通过角色约束和上下文管理输出结构化指令;TTS选用配套接口优化车载合成效果与延迟,采用WebSocket流式传输。同时需规范请求头设置与异常处理,以提升系统健壮性。
Figma移动端界面适配技巧 利用Constraints约束调整比例方案
FigmaAI生成的移动端界面常因缺少约束导致元素错位。解决方法是手动为关键图层添加约束,如将导航栏设为左右拉伸、标题居中。复杂结构可使用自动布局控制排列与间距,配合组件变体适配iOS与Android平台。最后需检查并清除可能干扰的隐藏约束残留,确保适配行为受控。
Recraft AI制作包装设计贴图教程:矢量素材生成步骤详解
RecraftAI提供四种高保真包装贴图生成方案:直接生成带工艺语义的矢量贴图;将实拍图智能矢量化;通过Mockup功能将贴图适配至3D模型;以及用法线贴图增强立体质感。这些方法能有效避免贴图模糊、变形或失真,提升设计效率与视觉效果。
QClaw与Kimi长文档处理能力对比评测
处理超长复杂文档时,KimiClaw依托大模型支持整体上传与理解,格式还原精准,支持交互编辑,但需云端处理。QClaw侧重本地离线运行,保障隐私安全,但单次处理容量有限,需手动分块且格式还原较弱。选择取决于对文档完整性、编辑连贯性的需求,或对数据本地化与隐私的优先考量。
- 日榜
- 周榜
- 月榜
1
2
3
4
5
6
7
8
9
10
相关攻略
2015-03-10 11:25
2015-03-10 11:05
2021-08-04 13:30
2015-03-10 11:22
2015-03-10 12:39
2022-05-16 18:57
2025-05-23 13:43
2025-05-23 14:01
热门教程
- 游戏攻略
- 安卓教程
- 苹果教程
- 电脑教程
热门话题

