AI写完论文，署名的人真的读过吗？TMLR主编用Zoom做了一次“真人验收”

生成式AI正在进入科研写作、文献整理、代码生成、数据分析和同行评审。真正棘手的问题，已经不再只是“论文有没有使用AI”，而是更基础的一件事：

当AI参与完成一篇论文之后，署名作者是否真正理解，并愿意为其中每一个核心结论负责？

2026年9月16日，机器学习期刊 Transactions on Machine Learning Research（TMLR） 联合主编 Nihar B. Shah 公布了一次很小、却颇具代表性的编辑实验。

他没有先开发新的AI检测算法，而是采用了一种几乎“回到原点”的办法：

直接和投稿作者开Zoom，让作者解释自己的论文。

结果是，10篇原本就准备进入 desk rejection（编辑直接拒稿）流程的论文，最终全部被拒。其中部分作者甚至无法回答自己论文中的基础问题。

这件事真正值得关注的，并不是“AI又闯祸了”，而是它揭示了AI时代一个越来越重要的新能力：

会让AI生成答案，和能够理解、验证并承担答案的责任，是完全不同的两件事。

---

一、TMLR主编为什么突然开始“视频查论文”？

先介绍一下事件主角。

Nihar B. Shah 是卡内基梅隆大学机器学习系和计算机科学系副教授，目前也是TMLR联合主编。他长期研究的方向之一，就是同行评审、科研评价以及人机协作下如何判断科研质量和真实性。CMU个人主页显示，他的研究成果已经应用于超过10万篇论文和数千份科研项目申请的评价流程。

所以，这次Zoom并不是普通编辑临时起意。

Shah在TMLR官方博客中解释，他从一批原本已经准备直接拒稿的论文中非正式抽取了10篇，希望解决三个问题：

第一，进一步理解这些论文究竟在做什么；第二，检查TMLR自己的桌面拒稿流程是否合理；第三，如果论文存在大量AI生成或AI辅助内容，看看作者本人是否仍然能够对论文保持足够的理解和监督。

这里有一个非常重要的事实需要说明：

这不是对TMLR所有论文的随机抽样。

这10篇本来就是编辑认为可能不适合送外审的稿件，因此不能根据这10篇论文推断“现在大多数AI论文作者都不懂自己的论文”。

它更像一次针对高风险投稿样本的小型编辑实验。

---

二、10篇论文，一场非常简单的“真人验证”

Shah给这10篇论文的作者发送消息，大意是：

编辑希望在正式送审之前，与作者交流一下，以便更好地理解论文。

没有考试系统，也没有AI监考。

就是开Zoom聊天。

结果很快出现了。

10篇论文中，一篇在收到邀请后直接撤稿；一篇的作者表示因为其他事务无法参加；还有一篇约好了Zoom，却没有出现。剩余论文的作者实际参加了交流。

真正值得注意的是已经参加会议的作者。

Shah总结称：

• 3篇论文的作者无法回答关于论文的基本问题；
• 3篇论文的作者能够解释论文的高层思路，但遇到进一步的技术细节时出现明显困难；
• 只有1篇论文的作者能够回答他的全部问题。

但故事并没有结束。

那位能够回答全部问题的作者，最终也没有通过。

Shah进一步阅读论文后发现，其中一项主要结论存在重大错误，作者后来也承认了这个问题。

因此，这篇论文同样被直接拒稿，不过TMLR允许作者修正错误、降低相关主张并补充必要解释后重新投稿；另外9篇则没有获得重新投稿机会。

---

三、最值得警惕的，不是“不会回答”，而是作者失去了对内容的控制

这次实验中有几个细节尤其具有代表性。

Shah提到，两篇论文的作者在Zoom会议中无法回答基础问题，随后又通过邮件补充了答案。

这些邮件后来被AI文本检测工具 Pangram 判定为“100% AI”。

这里必须加一个重要限定：

AI检测工具的判断并不等于生成来源的司法鉴定，也不能仅凭检测分数证明一段文字一定由AI生成。

包括Pangram在内的AI文本检测系统，本质上仍然是统计分类器，存在误判可能。因此更准确的表达应该是：

Pangram将这两封邮件分类为高度符合AI生成文本特征，而不是已经证明作者百分之百使用了AI。

这一区别非常重要。

因为真正的问题并不是“抓到AI”本身。

真正的问题是：

一个人在自己署名的论文中，能否解释研究问题、方法、变量、公式、实验设计以及结论依据。

这是一种比AI文本检测更加直接的责任验证。

---

四、甚至有人在解释论文时，主动讲出了“p-hacking流程”

另一个细节更加值得科研人员警惕。

Shah提到，一名作者在介绍自己的分析方法时，无意间描述了一整套 p-hacking 式操作流程。

什么是p-hacking？

简单来说，就是研究者不断尝试不同的数据筛选、模型设置、变量组合或者统计检验方法，直到找到一个“显著”的结果。

单独调整分析方法并不必然违规，真正的问题在于：

如果研究者不断试验直到得到想要的结果，却只报告最终成功的那一次，就会严重夸大统计证据。

AI时代，这个问题甚至可能更加隐蔽。

因为大模型非常擅长把一套操作流程写得：

专业、流畅、完整，而且“听起来很科学”。

这就产生了一种新的认知风险：

语言的可信感，开始和方法本身的可信度分离。

AI能够把错误的方法写得非常像正确的方法。

如果使用者本身没有相关知识，他甚至可能不知道自己提交的是错误。

---

五、为什么TMLR要这么做？因为投稿量正在暴涨

Zoom实验背后还有一个更大的背景。

论文正在变多，而且增长速度已经开始冲击传统同行评审体系。

TMLR官方在2026年6月公布的数据非常醒目：

过去一年，TMLR的投稿总量增长到原来的 3倍；其中单作者论文增长到原来的13倍；编辑部甚至遇到过作者一天提交5篇论文的情况。

更明显的是桌面拒稿率。

Shah表示，TMLR在2023年的 desk rejection 比例大约只有 6%，如今已经达到约 53%。

所谓desk rejection，就是：

论文甚至还没有进入正式同行评审，编辑阶段就被直接退回。

但这里同样不能简单得出：

“6%涨到53%，都是因为AI垃圾论文。”

TMLR官方和CMU相关介绍都提醒过，近年来编辑政策本身也有所调整，因此拒稿比例变化既可能与投稿质量有关，也受到审核标准、编辑政策以及投稿规模等因素影响。

比较准确的结论应该是：

AI降低科研文本生产成本后，机器学习领域正在面临明显的投稿量压力，而传统依赖志愿审稿人的同行评审制度必须寻找新的过滤方式。

---

六、ICLR也开始“限流”：机器学习论文正在进入规模化生产时代

类似压力并不只存在于TMLR。

顶级机器学习会议 ICLR 已经为2027年引入了新的投稿限制。

ICLR官方解释，其中一项新政策就是对作者实施类似“rate limit”的规则，包括普通作者的投稿数量上限，以及针对首次进入主要AI/ML会议体系作者的额外限制。

会议组织者直接指出，AI工具正在降低研究生产门槛，而同行评审依赖的是有限的专家时间，因此必须想办法把审稿资源集中到更有价值的研究上。

ICLR甚至在官方征稿说明里专门提醒首次投稿者：

目前的AI工具虽然能够帮助研究，但一篇合格的ICLR论文所需要的工作量，仍然远超过当下AI智能体能够自主完成的程度。作者如果不能确认论文内容正确，应继续完善，而不是立即提交。

网络上最近广泛流传一个数字：

ICLR 2027超过6万篇投稿。

这个说法需要特别校正。

第三方根据OpenReview编号估算，ICLR 2027登记摘要数量一度超过6万，但由于正式论文提交、重复占位、撤回等因素，6万不能直接当成最终有效论文数量。相关统计者本人也明确说明，2027最终论文数量当时尚未确定，数据是根据已注册摘要近似推算。

所以更严谨的说法是：

ICLR 2027的注册摘要规模一度突破6万量级，但最终有效投稿量仍需以会议官方统计为准。

这正是资讯写作中非常容易被夸大的地方。

---

七、问题甚至不只出现在作者端：AI也开始进入审稿环节

当AI能够写论文，另一个自然出现的问题就是：

审稿人会不会也把论文交给AI？

2025年，AI文本检测公司 Pangram 曾分析约1.9万篇 ICLR 2026投稿以及约7万份相关评审。

其检测系统估计，大约 21%的评审文本呈现“完全AI生成”特征，超过一半的评审存在不同程度的AI介入迹象。

但这一数据同样需要谨慎理解。

这是AI检测公司的模型推断结果，并不是逐一核实审稿人的真实使用记录。

因此不能写成：

“ICLR有21%的审稿人让AI代写。”

更准确的是：

Pangram的检测模型将约21%的ICLR 2026评审分类为高度符合完整AI生成特征。

这两个句子看似差不多，证据等级完全不同。

而这恰恰也是AI时代最应该培养的信息素养：

事实是什么，模型推测是什么，媒体解释是什么，必须分开。

---

八、一个很有意思的反转：Shah本人也用AI

这起事件最容易被误读成：

“老派教授反对AI写论文。”

实际上完全相反。

Shah自己公开承认，为了在两周编辑轮值期间理解多篇论文，他同样使用了大语言模型辅助阅读，并借助LLM理解了一些此前不熟悉的概念。

TMLR甚至在2026年7月开始试验：

给每篇投稿增加一份AI生成的评审意见，用于辅助判断论文的技术可靠性，同时仍保留正常的人类同行评审。

所以，这场争论真正的分界线从来不是：

用AI / 不用AI。

而是：

AI辅助你思考，还是AI替你承担了你本人都无法解释的思考。

这是两个完全不同的工作模式。

---

九、AI时代，真正稀缺的能力正在发生变化

过去，我们往往把“会写”当作一种能力。

AI出现以后，生成一篇结构完整、语言漂亮、专业术语丰富的文章，成本已经大幅下降。

于是价值开始向后移动。

未来越来越重要的能力可能是下面四种。

1. 验证能力

AI给出的公式、数据、引用、代码、结论，到底对不对？

不能因为文字足够流畅，就跳过验证。

2. 解释能力

如果别人突然问你：

为什么采用这个方法？

这个变量代表什么？

这个数字从哪里来？

这个结论由哪个实验支持？

你能不能不用AI，自己讲明白？

3. 判断能力

AI可以快速给出十个研究方案。

但哪一个问题真正值得研究，哪一个结果具有意义，仍然需要人的判断。

4. 责任能力

这是最容易被忽略的一点。

AI不能替你署名。

论文如此，商业报告、行业分析、程序代码、咨询方案同样如此。

最终把名字写上去的人，仍然要承担内容带来的后果。

---

十、普通人使用AI，可以记住一个简单的“Zoom测试”

其实这件事不仅适用于科研人员。

学生写论文、职场人做方案、自媒体作者写文章、程序员写代码，都可以做一个非常简单的自测：

假设现在有人突然给你打视频电话，随便从AI帮你生成的内容里挑5个问题，你能不能不打开ChatGPT，把它讲明白？

你至少应该能够回答：

1. 这段内容的核心结论是什么？
2. 为什么得出这个结论？
3. 最关键的证据来自哪里？
4. 其中最大的假设或不确定性是什么？
5. 如果有人反驳，你能不能解释自己的依据？

如果这五个问题都回答不出来，

那份作品严格来说还没有真正变成“你的”。

它只是暂时出现在你的电脑里。

---

寄语：AI真正拉开的差距，不是谁生成得更多

生成式AI最容易给人制造一种错觉：

产量提高了，就等于能力提高了。

但TMLR这次极其简单的Zoom实验提醒了我们另一件事。

一篇两万字的论文，可以在很短时间内被生成出来；

一个结构复杂的报告，可以在几分钟内完成；

甚至公式、代码、图表和参考文献，都越来越容易被自动拼接起来。

但有一件事情仍然很难自动化：

一个人真正理解自己正在说什么。

所以，AI时代真正高级的使用方式，并不是：

“这个东西AI能不能替我做？”

而应该多问一句：

“AI做完以后，我能不能验证它、解释它，并为它负责？”

这可能才是未来判断一个人到底“会不会用AI”的真正分水岭。

---

关注本站，每天分享跨境电商前沿资讯（ Ctrl + D 收藏本站/收藏为书签 ）