吳雯蕓

新智元報道

KingHZ桃子

【新智元導(dǎo)讀】LLM真是把審稿人害慘了！NeurIPS2025評審結(jié)果公，全網(wǎng)都被「誰是Adam」爆梗淹沒。更離譜的是，有人的審稿建議中，殘留了AI提示的痕跡。

這幾天，NeurIPS2025的評審結(jié)果，陸續(xù)出爐了！

讓人措不及防的是，「Who'sAdam」明晃晃地出現(xiàn)在了一位作者的審稿建議中，成為近來學(xué)術(shù)圈最大的笑柄。

究竟是大模型不懂，還是審稿人疏忽了？

這么低級的錯誤，讓AI圈內(nèi)人直呼：離了大譜！

網(wǎng)友辣評：審稿人會使用LLM，你就偷著樂吧；如果不使用GPT審稿，他們可能連領(lǐng)域內(nèi)的基本常識都不了解！

「Who'sAdam」依舊在發(fā)酵的同時，NeurIPS還有更離譜的事發(fā)生了。

得克薩斯農(nóng)工大學(xué)計算機系任助理教授涂正中（ZhengzhongTu）稱，自己的審稿建議中，提示詞沒有刪干凈。

不過，研究科學(xué)家DamienTeney表示可能只是復(fù)制錯地方了。

研究LLM遷移學(xué)習(xí)的博士生Dylan也發(fā)現(xiàn)自己提交的論文，可能沒有被認真對待。

審稿人只是讓AI總結(jié)了內(nèi)容，并做了接收與否的決定。

或許，是時候該反思學(xué)術(shù)界的游戲規(guī)則了。

NeurIPS評審爆猛料，全網(wǎng)吵翻了

這屆NeurIPS評審，全網(wǎng)吐槽滿天飛。

近年來，論文評審的質(zhì)量一直在下降。原因主要有兩種：

其一是，論文數(shù)量的增加，大模型加速迭代，協(xié)助研究者、初創(chuàng)公司撰寫論文，產(chǎn)出效率大增。

其次，優(yōu)秀的研究人員更專注于模型開發(fā)和創(chuàng)業(yè)，而非論文評審。

正因如此，才鬧出了「Adam是誰」的大笑話。

在AI領(lǐng)域，Adam是深度學(xué)習(xí)中最常見的優(yōu)化方法之一，論文被引次數(shù)高達220991。

對此，著名機器學(xué)習(xí)研究員DanRoy張口大罵，「NeurIPS評審現(xiàn)如今就是垃圾」！

從事AI系統(tǒng)工作的HanchenLi開玩笑：是不是英文名改成Adam，明年就能被NeurIPS引用了？

審稿人告急，還有DDL

另一方面，能夠出現(xiàn)如此荒謬的評審，還與NeurIPS的規(guī)定相關(guān)——

參與審稿的AI研究員必須在截止日期前完成，否則他們自己的論文直接被NeurIPS拒掉。

有的人就是趕在DDL前，匆忙審稿。

由于審稿人手不夠，今年，NeurIPS組委會親自招募更多的審稿人。

紐約大學(xué)助理教授RavidShwartzZiv嘲諷道，「NeurIPS真正的創(chuàng)新之處：領(lǐng)域主席們（AC）在不知不覺中運營著史上最大規(guī)模的LLM基準評測」。

另一位網(wǎng)友吐槽道，這是NeurIPS評審的新低點。

會議審稿質(zhì)量在下降，這大家都知道，但這次NeurIPS評審太離譜了。

VladLialin看到一條神評論：「什么是前向傳播」。他認為如果不解決審稿問題，那NeurIPS論文將毫無可行度，跟無人評審的論文沒什么兩樣。

高級機器學(xué)習(xí)工程師、Keras3合作者AakashKumarNain表示如果不對認真處理類似問題，他以后不會對學(xué)術(shù)會議的質(zhì)量抱有任何希望。

一位亞馬遜工程師挖出了，2015年Hinton和谷歌團隊一篇關(guān)于「蒸餾」技術(shù)被NeurIPS拒收的論文。

而如今，「蒸餾」成為當前最火的訓(xùn)練策略。DistillingtheKnowledgeinaNeuralNetwork這篇被引數(shù)超26000次。

從事多模態(tài)研究的WeijianLuo，在NeurIPS2023上發(fā)表了學(xué)術(shù)生涯中的前4篇論文。

NeurIPS這對他意義重大，但這次的審稿質(zhì)量之低令他沮喪。

他表示是時候認真解決文章評審問題了。

微軟研究員SaharAbdelnabi稱NeurIPS的評審意見充滿敵意、毫無根據(jù)、完全不具建設(shè)性，比用LLM生成評審意見還要糟糕。

她建議NeurIPS學(xué)習(xí)安全會議，加入善意評審指南。

審稿人和作者，雙雙糊弄？

評審結(jié)果不盡人意，你以為只是審稿人的問題嗎？

有的研究人員需要一個亮眼的成績單，利用LLM大量產(chǎn)出論文，何嘗不是一大問題呢？

有審稿人爆料稱，「自己審了5篇論文，體驗簡直糟糕透頂」。

第一篇明顯是LLM生成的。篇幅過短，參考文獻失效，既無實驗也無理論支撐，還充斥大量低級錯誤。越讀越覺得不知所云

有兩篇根本是同一篇論文！有人把相同內(nèi)容改了兩個標題重復(fù)投稿

其中一篇略有新意，但使用了奇怪的數(shù)據(jù)集——后來發(fā)現(xiàn)完全是他們公司內(nèi)部未公開的私有數(shù)據(jù)，完全無法復(fù)現(xiàn)結(jié)果

只有最后一篇還算像樣

研究過AI+經(jīng)濟的AffaanMustafa，對學(xué)界發(fā)生到底發(fā)生了什么，非常疑惑。

一方面，為了獲得好評，投稿論文注入了系統(tǒng)提示詞；另一方面，NeurIPS使用系統(tǒng)提示詞來審稿并為論文打分。

這兩端都充滿了AI生成的垃圾內(nèi)容。

Rebuttal最佳指南

不論是什么結(jié)果，評審意見出了之后，下一步就是Rebuttal階段了。

那么，作者們?nèi)绾巫?，能夠為自己贏回更多的勝率呢？

此前，AI初創(chuàng)CEODeviParikh寫過一篇指南，提供了18種技巧，涉及的案例非常豐富，屬于必收藏的系列。

接下來，一起看看都有哪些能實際幫助到的Rebuttal策略吧。

1.逐條列出審稿人意見

用一個順手的電子表格來整理每位審稿人提出的具體評論、問題或疑慮。

將所有內(nèi)容并列一處，有助于我們識別共同關(guān)注點，并避免意外遺漏。請盡快完成這一步，以便及早確定是否需要進行新的實驗（如果會議允許）或分析。

2.集思廣益，羅列可能的回應(yīng)

在表格中為每位作者預(yù)留一列，用于回應(yīng)各審稿人的意見。在此處用草稿形式寫下所有想法，無需顧及文采或篇幅。說服力和簡潔性是通過做減法來實現(xiàn)的。

3.撰寫Rebuttal草稿

將表格中達成的共識，轉(zhuǎn)化為Rebuttal草稿中的具體回應(yīng)。寫作時力求簡潔，但暫時不必擔(dān)心篇幅限制。要覆蓋到每一個要點，刪減和調(diào)整優(yōu)先級可以留到后面處理。

4.審查和修改

重讀最初的審稿意見和你們整理的表格，確保所有問題都得到了回應(yīng)。優(yōu)先處理主要的疑慮，并著手刪改以滿足篇幅要求。

鑒于此，我們必須清楚，是為誰而寫，目標又是什么。

審稿人和領(lǐng)域主席（AC），是最主要的目標。

對于審稿人：澄清疑慮、回答問題、糾正誤解、Rebuttal不準確的評價，并真誠地努力采納反饋、改進你的工作。

對于AC：說服他們你已做出真誠的努力；呈現(xiàn)一份有代表性的審稿意見摘要；幫助他們判斷審稿人的疑慮是否已得到解決；指出不公正的審稿行為；并最終，幫助他們做出決定。

根據(jù)作者的經(jīng)驗，研究界的大多數(shù)新成員只關(guān)注（1），而忽略了（2），下面是一個實操案例：

一定要開門見山。

首先對評審意見進行總結(jié)性概述，重點突出審稿人對個人工作的積極評價。

雖然Rebuttal主要針對需要回應(yīng)的負面意見，但切勿讓評審委員會在審閱過程中忽略研究的優(yōu)勢。

NeurIPS2025評審結(jié)果如何？來評論區(qū)聊聊。

參考資料：

https://x.com/2prime_PKU/status/1948549824594485696

https://x.com/_vztu/status/1948875694122975351

https://x.com/gabriberton/status/1948726822897701065

https://x.com/pratikramesh7/status/1948397645128507573