ICML 2026 组委会近期采取了严厉的纪律行动，因评审员违规使用大语言模型（LLM）而直接拒稿了 497 篇论文。这些评审员在明确承诺不使用 AI 的情况下，仍利用 AI 生成评审意见。组委会通过在论文 PDF 中植入“针对 AI 的隐藏陷阱”识别出了 506 名违规者，并强调此举是为了维护学术评审的诚信与社区成员之间的基本信任。
违规情况与处理结果
此次行动涉及范围广泛，反映了学术界对 AI 滥用的零容忍态度：
- 大规模拒稿： 共有 497 篇论文被直接拒稿 (Desk Reject)。这些论文的作者在担任互惠评审员（Reciprocal Reviewer）时，违反了不使用 LLM 的承诺。
- 违规规模： 506 名评审员被发现违规，涉及 795 份评审意见，约占会议总评审量的 1%。
- 严厉处罚：
- 所有被检测为 AI 生成的评审意见已被删除。
- 如果一名评审员有超过一半的评审意见由 AI 生成，其本人将被移出评审池，且其所有评审意见均被作废。
- 相关领域主席（AC）已被告知需寻找新的评审员来填补空缺。
“钓鱼”检测：如何抓到违规者？
组委会并未依赖准确率存疑的通用 AI 文本检测器，而是采用了一种物理“陷阱”技术：
- 隐藏指令（水印）： 在提交的论文 PDF 中植入了人类不可见、但 LLM 能够读取的隐藏指令。
- 词组陷阱： 隐藏指令会要求 LLM 在生成评审意见时，必须包含从 17 万个词汇库中随机抽取的两个特定词组。
- 极低误判率： 这种特定词组组合出现的概率低于百亿分之一。如果评审意见中出现了这些词组，基本可以判定评审员直接将 PDF 喂给了 AI 并进行了机械化的复制粘贴。
- 人工复核： 所有的检测结果都经过了人工检查，以确保评审员不是因为偶然提到相关词汇而被误判。
规则背景：并不是不让用，而是不准骗
ICML 此次针对的并非 AI 本身，而是违背承诺的行为。会议提供了两种政策供评审员选择：
- 政策 A（保守）： 明确禁止使用任何 LLM。
- 政策 B（开放）： 允许使用 LLM 辅助理解论文、搜索资料或润色语言。
核心矛盾点： 此次被处罚的所有评审员，都是那些主动选择了“政策 A”（或表示两者皆可并被分配到 A 类），但随后却偷偷使用 AI 的人。
维护学术信任的底线
组委会表示，这并不是在评价 AI 评审的质量优劣，而是一个关于诚信的问题：
- 诚信高于效率： 评审员在知情并同意规则后，公然违反规则，这破坏了同行评审制度赖以生存的基石。
- 保护社区： 如果学术系统不再基于信任运作，那么整个评审过程将变得毫无意义。
- 警示意义： 随着 AI 工具的普及，科研社区必须建立新的规则边界，并对违规行为采取果断行动。
在技术快速迭代的今天，我们最需要积极保护的是人与人之间的信任。如果我们无法在信任的基础上调整系统，系统很快就会失去价值。