TMLR 主编约谈揭 AI 代写论文乱象

机器学习期刊 TMLR（Transactions on Machine Learning Research）联合主编、卡内基梅隆大学的 Nihar B. Shah 在两周轮值期内，挑出 10 篇原本要被直接拒稿的论文，逐一约作者通话，结果 3 位作者连自己论文的基础问题都答不上来。9 月 16 日，Shah 在 TMLR 官方博客发文《向作者询问他们自己的论文》，披露了这次试验的全部经过。同为主编的 Gautam Kamath 在 X 上称之为「英勇的实验」，并表示它证实了许多人心里的猜测：一部分投稿者并不知道自己论文里写了什么。

试验详情：10 篇全被拒，3 篇作者答不上基础题

试验发生在 2026 年 8 月 14 日至 28 日。Shah 从待拒稿中非正式抽取 10 篇，通过 OpenReview 邀请作者在送审前通话。10 篇中：

1 篇作者直接撤稿；
1 位作者表示没空通话；
8 位约上时间，其中 1 位未到场；
最终与 Shah 面对面沟通的为 7 篇，涵盖本科生、硕士生、博士生、高校教师和独立研究者。

Shah 的提问分两类：问题设定、符号、论文声称结果等基础问题，以及技术表达式、理论结果和实验设计等细节问题。结果显示：

仅 1 位作者答上了全部问题，但论文本身存在重大结论错误，仍被直接拒稿；
3 位能讲清高层思路，被追问技术细节时陷入困难；
3 位连基础问题都答不上来，且这 3 篇全是单作者论文；
其余论文也全部被拒。

会后还出现两个插曲：两位答不出基础问题的作者会后发来书面答复，经 AI 文本检测工具 Pangram 判定均为「100% AI」；另一位作者在介绍分析方法时，无意间完整描述了一套 p-hacking 流程，即反复调整分析方式直到数据「显著」。需要指出的是，Shah 自己也借助 LLM 辅助理解论文，他关注的不是作者是否使用 AI，而是作者能否为署名内容负责。

TMLR 的应对：配额制度、AI 审稿、明确清晰写作标准

TMLR 创刊于 2022 年，由 JMLR 团队运营，以「只看结论是否被证据支撑」著称。过去一年，TMLR 投稿量增长到三倍，单作者投稿暴增 13 倍，编辑部甚至出现过一天投出 5 篇的情况。直接拒稿比例已从 2023 年的约 6% 升至约 53%。

为此，TMLR 今年以来密集推出三项措施：

按作者设置年度投稿配额：单作者最多 2 篇/年，9 人合著最多 9 篇/年，活跃审稿人和执行编辑额度翻倍；
引入 AI 审稿：每篇投稿附带 CSPaper 生成的可靠性评估，最终决定仍由执行编辑作出；
把「写得清楚」写进录用标准，明确要求论文向读者清楚地传达发现。

不只是 TMLR：NeurIPS、arXiv 同样承压

AI 代写论文并非 TMLR 一家的问题。NeurIPS 2026 立场论文赛道 971 篇投稿中，有 273 篇（28.2%）被 Pangram 判为 AI 分数 100%；「评测与数据集」赛道 Pangram 分数不低于 90% 的论文数量较 2025 年增长十倍以上。

5 月中旬，arXiv 计算机科学板块负责人 Thomas G. Dietterich 宣布：若投稿中出现作者未检查大模型输出的确凿证据（如幻觉参考文献、残留聊天机器人对话），所有作者将被禁止在 arXiv 投稿一年，此后投稿须先经正规同行评审渠道接收方可上架。

哥伦比亚大学一项《柳叶瘾》研究还指出，PubMed Central 收录的生物医学论文中，含至少一条虚构引用的比例从 2023 年的约万分之 4 升至 2026 年初的约万分之 57。

从查文本到查人：greCAPTCHA 的思路

Shah 承认本次试验耗费他 20 至 25 小时，只处理 8 篇论文，难以规模化。他与 CMU 团队最近发布了 greCAPTCHA 评估方法，思路是直接考作者本人。

系统根据作者提交论文与个人贡献说明自动生成题目，在监考条件下作答，最终生成评估报告供期刊、招聘或招生方参考。考察的能力被称为「核验能力」，题目分四类：

在多版本中识别论文真实报告的数据；
解释论文未写明理由的设计选择；
解释论文默认读者已知的背景概念；
指出方法在什么具体条件下会失效。

31 名研究者的测试显示，系统区分自己论文与陌生论文的 AUC 达 0.90，但最低误判率仍约 20%。一位受试者把陌生论文丢给 AI 讲解后，依然答不上深入问题，陌生论文得分 1.3、自己论文得分 51。

Shah 在试验文章结尾给出两点结论：在学术贡献主要通过署名认定的今天，作者若无法解释和捍卫自己论文，其发表作为「贡献信号」的价值将大打折扣；许多期刊会议邀请投稿者互审，若作者连自己的论文都看不懂，审稿循环一旦断裂，同行评审的根基就会被掏空。