2026 年 3 月 19 日，全球机器学习领域最顶级的学术会议之一——ICML，做出了一个前所未有的决定。这场风暴，不只是一次简单的"违规处罚"，它折射出的是整个学术界在 AI 时代面临的深层困境。

一、发生了什么？

3 月 18 日深夜，ICML 2026 程序主席团队在官方博客发布了一篇声明。声明的内容，用一句话概括就是：

497 篇投稿论文被直接"桌拒"（Desk Reject），506 名审稿人因违规使用大语言模型（LLM）撰写审稿意见而被追责。

"桌拒"，是学术圈里最冷酷的拒稿方式——论文根本没有进入同行评审流程，直接被打回。对于投入了数月甚至数年心血的研究者来说，这无异于一场噩梦。

要知道，ICML（International Conference on Machine Learning，国际机器学习大会）是与 NeurIPS、ICLR 并列的全球机器学习三大顶会之一，自 1980 年创办以来已有四十余年历史。2026 年这一届投稿量更是创下历史新高，总投稿数突破 24000 篇。能在 ICML 上发一篇论文，对很多博士生来说意味着毕业的敲门砖，对青年学者来说则直接关系到晋升和项目申请。

然而就是在这样一个万众瞩目的舞台上，ICML 毫不留情地挥下了铁腕。

二、这 506 名审稿人到底做了什么？

说清楚一件事：ICML 这次追责的核心，不是"用了 AI"，而是"偷偷用了 AI 却没说"。

早在 2025 年 12 月，ICML 2026 就正式公布了审稿中使用 LLM 的政策。这套政策的设计相当有诚意，并非一刀切式的禁令，而是给了审稿人两条路可以选：

Policy A（保守路线）： 完全禁止在审稿过程中使用任何 LLM 工具，拼写检查和搜索引擎不算在内。选了这条路线，就意味着你的审稿意见必须百分之百出自自己的判断和笔下。

Policy B（宽松路线）： 允许使用 LLM 辅助理解论文内容、查阅相关文献、润色语言表达，但不能让 LLM 去评价论文的优缺点、不能让 LLM 生成审稿意见的提纲或完整内容，而且必须在审稿意见中标注使用了 AI 辅助。

审稿人在注册时会声明自己偏好哪条路线，ICML 会根据论文作者的意愿和审稿人的选择进行匹配——如果某篇论文的作者要求只接受 Policy A 的审稿，那审稿人就必须严格遵守 Policy A。

而且，所有审稿人在提交审稿意见时，都需要勾选一份确认声明，明确承诺自己遵守了指定的政策。

换句话说，这 506 名被追责的审稿人，每一个人都是白纸黑字签过协议的。他们不是不知道规则，而是知道规则之后选择了违反。

三、"隐形水印"是怎么抓人的？

这是整个事件中技术含量最高、也最引发争议的环节。

ICML 采用的检测方法，来自卡内基梅隆大学和哈佛大学研究团队的一项成果（Rao, Kumar, Lakkaraju, Shah），相关论文已在 PLOS ONE 上公开发表。其核心思路并不复杂，但执行起来相当精巧：

ICML 在每一篇投稿论文的 PDF 中嵌入了一段隐藏指令——这段指令对人类读者完全不可见，但如果审稿人把整篇论文的 PDF 直接喂给了 LLM，LLM 就会"读到"这段指令，并在生成的审稿意见中嵌入特定的短语。

具体来说，ICML 构建了一个包含 17 万个短语的词典。对每篇投稿论文，系统会从词典中随机抽取两个短语进行标记。某对短语被选中的概率小于百亿分之一。如果审稿意见中恰好出现了这两个预设短语，那基本就可以判定：这份审稿意见是把论文 PDF 直接投喂给 LLM 后，由 LLM 生成的。

最终，ICML 共检测出 795 份违规审稿意见，涉及 506 名审稿人，约占全部审稿意见的 1%。其中约 10%（51 人）在超过一半的审稿意见中都使用了 LLM，属于"大面积违规"，这些人的所有审稿意见被全部删除，审稿人资格也被撤销。

值得注意的是，ICML 官方在声明中坦承：这套检测机制并非无懈可击。如果审稿人把 PDF 的内容手动复制出来再喂给 LLM，或者在 LLM 生成结果后进行了大幅修改，水印就可能失效。因此，被抓到的很可能只是最粗心、最偷懒的那一批——直接把 PDF 丢进 LLM，然后把输出原封不动地复制粘贴。

四、为什么连论文也被"连坐"了？

这里需要解释 ICML 的一项特殊制度——互惠审稿（Reciprocal Reviewing）。

简单来说就是：你想在 ICML 上投稿发表论文，那你也得为这个学术共同体做贡献——给别人的论文当审稿人。每篇投稿论文需要指定一名作者担任"互惠审稿人"，如果这名审稿人违规，那他所关联的投稿论文就会被桌拒。

这就是 497 篇论文被作废的逻辑链条：506 名审稿人违规 → 与他们关联的投稿论文失去资格 → 497 篇论文被桌拒。这些论文约占 ICML 2026 总投稿量的 2%。

连坐的后果是残酷的。一篇论文背后通常有三四名甚至更多合作者，其中可能只有一个人在审稿时违规，但整个团队的努力都会因此付之东流。对于一年只有一两篇顶会投稿的博士生或青年学者来说，这样的代价几乎是灾难性的。

五、学术圈炸了：两种截然不同的声音

消息公布后，Twitter 和各大学术论坛瞬间沸腾。争论的核心只有一个问题：ICML 这么做，到底是维护学术正义，还是矫枉过正？

反对派的三个核心论点

第一，检测方法存在误报风险。 虽然 ICML 表示每个被标记的案例都经过了人工核查，但批评者指出：某些审稿人可能只是用 LLM 来辅助理解论文中的数学推导或查阅背景文献，并没有让 LLM 代写审稿意见，却可能因为水印机制被误判。也有审稿人反映，自己明明偏好 Policy B，实际却被分配到了 Policy A，违规并非本意。

第二，连坐制度太不公平。 批评者认为，一个人的审稿违规不应该牵连整个团队。尤其是对那些在课题组中话语权较弱的学生和初级研究人员来说，他们可能对合作者的审稿行为完全不知情，却要承受论文被拒的后果。而高产实验室的资深教授投稿数量多，即使某篇被连坐，整体影响也相对较小——这实际上形成了一种"越弱势越受伤"的不公平结构。

第三，规则与现实脱节。 在 AI 已经深度融入科研工作流的今天，完全禁止在审稿中使用 LLM 是否还现实？顶会的审稿量巨大，合理利用 AI 提高审稿效率本是大势所趋，一纸禁令未必能解决根本问题。Meta 的研究员 Ravid Shwartz-Ziv 等人在社交媒体上对此提出了公开质疑。

支持派的三个核心论点

第一，规则就是规则，违约就该承担后果。 ICML 2026 的通讯主席、滑铁卢大学计算机科学教授 Gautam Kamath 参与撰写了官方声明。在声明中，主席团队的立场很明确：这次处罚不是"反 AI"，而是"反违约"。审稿人事先签了协议，也清楚知道不同政策的要求，违规使用 LLM 且不标注，本质上是在欺骗——既欺骗了论文作者（他们可能要求了纯人工审稿），也欺骗了整个同行评审体系。

第二，水印检测是目前最可靠的手段。 传统的 AI 文本检测工具（如 GPTZero 等）只能判断"文本像不像 AI 写的"，误报率高且容易被绕过。而 ICML 采用的隐形水印机制，检测的是"审稿人是否将论文 PDF 直接投喂给了 LLM"这一具体行为，更有针对性，误报率也在统计学框架下得到了严格控制。

第三，严厉处罚能倒逼学术规范建设。 如果这次 ICML 高高举起、轻轻放下，那以后谁还会认真对待审稿中的 AI 使用规则？只有让违规者付出实质性代价，才能向整个学术社区传递一个清晰的信号：AI 可以用，但必须在透明和规范的框架下使用。

六、ICML 官方的态度：没有申诉通道

面对汹涌的争议，ICML 程序主席团队的回应堪称硬气：

不开放申诉。 违规审稿人关联的论文桌拒决定不予撤销。未违规的论文和审稿意见不受影响，被删除的违规审稿意见对应的论文会重新安排评审。

官方声明的核心表态，翻译成大白话就是一句："我们要确保的是，评审的学术判断权掌握在人类研究者手中，而不是 AI 手中。审稿人违反了自己亲手签署的承诺，破坏了评审的可信度，我们必须采取行动。"

ICML 还透露，将在 3 月 20 日公布更多检测技术细节和违规案例的补充信息。

七、这件事的深远影响

ICML 2026 将于 7 月 6 日至 11 日在韩国首尔 COEX 会展中心举行。这次事件虽然发生在会议正式召开之前的评审阶段，但它的影响必将延伸到整个学术界：

对其他顶会的示范效应。 ICLR 2026 此前已经要求审稿人必须披露 LLM 使用情况，但处罚力度远不及 ICML。ICML 这次"开了先例"后，NeurIPS、AAAI 等其他顶会大概率会跟进收紧 AI 审稿政策，甚至可能采用类似的水印检测技术。

对审稿人行为的威慑。 以后再有人想偷偷用 AI 代写审稿意见，恐怕得掂量掂量了——尤其是在知道检测手段确实存在、处罚确实会落地的情况下。

对学术 AI 治理的启示。 这件事的核心矛盾不在于"AI 能不能用"，而在于"用了 AI 之后怎么保证透明"。ICML 的双轨制政策本身其实已经走在了前面，它试图在"尊重审稿人效率需求"和"保护论文作者选择权"之间找到平衡。真正出问题的，不是政策本身，而是有人选择无视政策。

八、给所有科研人的几点提醒

如果你正在或即将投稿顶会、担任审稿人，以下几点务必牢记：

投稿前仔细阅读会议的完整政策文件。 不同会议、不同年份的规则可能差异很大，千万不要凭过往经验想当然。ICML 2026 的 LLM 审稿政策、同行评审伦理规范等文件都可以在官网（icml.cc）找到。

如果审稿时使用了 AI 辅助，务必如实标注。 哪怕只是用 LLM 查了一下相关文献、润色了几句表述，也应在审稿意见中说明。宁可"多此一举"，也不要给自己埋雷。

关注合作者的审稿行为。 在互惠审稿机制下，你的论文命运和合作者的审稿行为直接挂钩。投稿前，主动跟合作者沟通、确认他们了解并会遵守相关规则，是一种必要的自我保护。

写在最后

我认为，这件事的本质，不是"AI 与学术"的对立，而是"信任体系如何在技术变革中存续"的问题。

同行评审制度之所以能运转了几百年，核心不在于技术手段，而在于一个朴素的前提：每一个参与者都诚实地履行自己的承诺。当 AI 让"作弊"的成本变得前所未有地低廉时，这个信任前提就面临着前所未有的挑战。

ICML 这次的做法是不是完美？当然不是。连坐制度的公平性确实值得商榷，检测技术也远谈不上万无一失。但至少它做到了一件事：用行动告诉所有人，规则不是摆设，承诺不是儿戏。

在这个 AI 无处不在的时代，如何让技术服务于学术而不是侵蚀学术，是每一个科研人都绕不开的课题。答案不在于禁止还是放开，而在于建立起一套足够透明、足够公正、足够有执行力的治理规则——然后，每个人都认真去遵守它。

参考资料：ICML 2026 官方博客声明（blog.icml.cc）、ICML 2026 LLM 审稿政策（icml.cc/Conferences/2026/LLM-Policy）、Rao 等人的 LLM 审稿检测研究（PLOS ONE, 2025）。