问题——集中处置引发对评审公平与责任边界的争议 据多方信息披露，ICML 2026审稿流程合规核查中发现，部分审稿人在撰写评审意见时存在违规使用自动化生成工具的行为。会议上随后采取集中处置措施，对应的论文被统一拒稿。由于被处理论文并非逐篇以学术质量为由作出结论，而是与审稿行为合规性直接关联，此举迅速引发学界讨论：支持者认为严格执行规则有助于维护同行评审公信力；质疑者则担忧“连带拒稿”扩大波及面，增加误判风险，并可能对青年研究者和中小团队带来更明显影响。 原因——审稿供需失衡叠加技术扩散，治理难度陡增 业内人士分析，此次风波的背景于学术出版与会议评审体系长期承压。近年机器学习等热门领域投稿规模持续增长，评审任务与审稿人供给之间的矛盾更突出：一是论文数量快速增加压缩评审周期，审稿质量难免波动；二是审稿强度高、激励不足，部分审稿人更倾向于用“提效”方式完成任务；三是自动化生成工具在总结、润色乃至生成评审文本上门槛降低，客观上推动“评审自动化”的扩散。更关键的是，不同审稿人对工具使用程度不一，容易形成隐性不公平：有人借助工具快速输出评语，有人坚持人工细读，投入与尺度差异可能影响论文命运与竞争环境。 影响——从“道德约束”转向“制度约束”，会议权力与课题组责任同步上移 此次处置的外溢效应正显现。首先，会议治理逻辑出现变化：过去对审稿规范更多依赖职业伦理与同行自律，而严格处置意味着规则从“倡导”转为“可执行”，违规成本明显上升。其次，责任机制趋向更强绑定。机器学习顶会普遍实行互惠式评审安排，投稿与审稿常存在关联。在该框架下，审稿不仅是公共义务，也直接关系个人与团队的学术信用。当审稿合规性与投稿结果挂钩，课题组负责人对团队成员审稿行为的管理责任相应上移，内部合规要求可能继续加强。再次，学术资源分化风险上升。大型机构通常更容易建立合规培训、内审流程与技术保障，适应新规的成本更低；小团队与跨机构合作项目则可能在流程管理、证据留存与沟通解释上承受更高不确定性。 对策——在效率与公信力之间建立可操作的“合规路径” 多位学者指出，技术变革并非简单的“可用或不可用”，关键在于形成清晰、可核查、可执行的规则体系。为降低争议、提高可预期性，学术会议与科研机构可从几上完善治理：一是明确工具使用边界，区分“辅助性”与“替代性”行为，对可接受的文字润色、结构化总结、查错校对等用途以清单方式规定，同时对生成核心判断、给出结论性评语等环节设置更严格限制。二是强化透明披露与留痕机制，必要时要求审稿人声明工具使用情况，并建立可抽查的过程记录，便于争议发生时核验。三是优化审稿供给与激励，探索扩大审稿人库、改进分配机制、提升审稿认可度与学术贡献评价，减轻“靠工具顶任务”的现实压力。四是完善申诉与复核程序，为集中处置可能带来的误伤设置纠错通道，兼顾规则刚性与个案公平。五是推动机构层面的合规培训，将评审伦理与规范纳入常态化培养，形成从个人到团队的自我约束。 前景——学术评审进入“强治理时代”，规则竞争或成为新变量 业界普遍认为，围绕自动化工具的学术规范争议仍将持续。未来一段时期，国际学术会议可能进一步提高对审稿行为的核查力度，推进标准化声明、技术检测与随机审计等措施。，不同平台在“效率优先”与“过程可信”之间的取舍，可能带来评审制度的多样化：一类坚持以人工判断为核心，强调可解释性与责任可追溯；另一类更强调高吞吐与结果导向，尝试用新机制保障质量。无论哪种路径，核心问题仍是如何在提升效率的同时，守住同行评审这一学术共同体最重要的信任基础。
此次集中拒收事件表面上是规则执行引发的争议，本质上反映了学术共同体在技术变革面前对“可信底线”的再确认。技术进步不会改变科学追求真理的方向，但会改变实现此目标的方式。只有明确边界、压实责任、完善程序，才能在效率与公正之间建立更可持续的平衡，推动学术生态在变化中保持稳定与活力。