扫描下载APP
其它方式登录
OpenAI研究员指出顶会论文普遍存在夸大和造假问题，SAI团队对ICML 2026全部168篇Oral论文复现发现仅8篇结果可靠；复现成本高昂且问题频发，暴露学术评审与产业实践脱节——前沿实验室依赖内部实验轻视论文，却仍以顶会论文筛选人才，导致论文可信度下降但评价功能未减。
AI工具正大规模复现和审查顶会论文，发现ICML 2026等顶级会议论文复现率极低，99.2%的顶刊论文存在至少一个客观错误，主要为数学公式与推导错误；AI还揭示了跨越数十年的科学文献错误，推动学术验证范式变革，但AI核查仍需人工复核。
一篇关于提示词工程的论文被ICML 2026接收，提出Verbalized Sampling（VS）方法，仅通过修改提示词让大模型输出概率分布，有效缓解模式坍缩问题，提升生成多样性；论文引发学界争议，焦点在于推理阶段Prompt创新是否构成足够扎实的机器学习研究。
ICML 2026大奖公布，扩散模型成为最大赢家，两篇相关论文同获杰出论文奖，分别揭示其‘灵活性陷阱’与提升采样精度的突破；DeepMind 2016年经典论文《深度强化学习的异步方法》获时间检验奖；立场论文奖授予对AI对齐社区无意构建审查工具的尖锐批判，整体反映AI研究正从快速扩张转向深度反思与基建夯实。
AAAI 2026 会议首次在真实双盲评审流程中大规模部署AI评审系统，为22977篇论文生成结构化评审意见。结果显示AI在技术准确性、错误识别、实验核查等6项关键指标上超越人类评审，成本低于1美元/篇，但存在宏观判断力弱、过度苛责细节等短板。项目强调AI作为辅助工具，不替代人类决策。
