面对AI审稿泛滥与评审负担激增的困境，ICML 2026推出了一项创新的评审政策。该政策将是否使用AI模型的决策权首次交给了论文作者，提供了一种在保证学术诚信与提升评审效率之间寻求平衡的新思路，为学术界应对技术冲击提供了宝贵的探索样本。
智能速览
ICML 2026引入新机制，允许作者自主选择其论文评审过程是否使用AI。
政策A严禁使用任何大语言模型，政策B则允许有条件地使用AI辅助。
政策B明确允许AI辅助理解论文和润色语言，但禁止其直接生成评审意见。
此项改革旨在应对学术论文数量激增和评审人负担过重的现实挑战。
数据显示AI审稿已成普遍现象，新政策的有效执行仍面临现实考验。
尽管执行存在疑问，但给予作者拒绝AI审稿的权利被视为一种积极的折中方案。
精华内容
面对AI审稿的泛滥与评审负担的激增，ICML 2026没有选择禁止或放任，而是将一个关键选择权交给了论文作者，试图在效率与信任之间寻找平衡。
作者选择机制
ICML 2026的核心创新在于引入了评审类型选择机制，论文作者在投稿时即可决定其论文是否接受大语言模型参与评审。该机制提供两种截然不同的政策选项。
政策A为保守型，严格禁止在论文评审的任何环节使用大语言模型。
政策B则为宽松型，允许在符合特定限制条件下使用AI工具，为作者提供了更大的灵活性。
AI使用的边界
在允许使用的政策B中，ICML对大模型的使用场景做出了清晰的界定。被允许的行为包括：使用AI辅助理解复杂的论文内容、对评审意见进行语言润色，或将论文提交给符合隐私合规要求的大模型。
然而，政策明确禁止了更核心的评审行为。审稿人不能向AI询问论文的优缺点、要求AI总结评审关键点、提供评审意见的结构提纲，或是直接生成完整的评审意见。
这里的隐私合规大模型，特指那些不会将日志数据用于模型再训练，并对数据保留期限有限制的工具。
背后的现实压力
这项政策的出台，背后是学术界日益严峻的现实压力。近年来，顶级学术会议的论文投稿量持续攀升，导致评审系统长期超负荷运转，评审人的负担越来越重。
一项针对ICLR 2026的统计研究揭示了问题的严重性：在对75800篇论文的审稿意见分析中，完全由AI生成的占比高达21%，另有35%的稿件存在不同程度的AI编辑痕迹，完全由人类撰写的评审仅占43%。
这一数据表明，AI审稿已成为一个普遍存在的现象，而非个别案例，促使会议组织方必须做出回应。
执行的挑战
尽管政策设计用心良苦，但其执行层面依然面临巨大挑战。如何确保审稿人严格遵守规则，是一个难以监管的问题。
例如，政策B禁止询问论文的优缺点，但在实际操作中，审稿人使用AI时的第一个问题很可能就是“总结这篇论文的优缺点”，这种行为本身就构成了违规。由于监督机制缺失，规则的实际约束力可能大打折扣。
因此，这套新规更像是一种宣示会议态度和引导方向的约定，而非一套可以严格落地执行的机制。
一种务实折中
在AI技术引发信任危机的当下，ICML 2026的方案展现了其务实的一面。它既没有因噎废食地彻底禁止AI，也没有毫无保留地拥抱AI，而是提供了一个折中的选择。
尤其值得肯定的是，政策A的存在为那些担忧AI评审公平性的作者提供了一个“一刀切”的拒绝选项，赋予了他们决定自身学术成果评价方式的自主权。
在缺乏完美解决方案的现阶段，将选择权交还给作者，不失为一种明智且负责任的做法。
ICML 2026的这项新政策，无疑是学术共同体在AI时代下的一次重要尝试。它直面了技术冲击下的核心矛盾，即便执行效果尚待观察，但其“作者主导”的思路为其他会议提供了新的启示。如何平衡技术创新与学术传统，AI在评审中的角色边界究竟在哪里？这场讨论才刚刚开始。
