ICLR 2027投稿量突破6万,超过历年总和

ICLR 2027投稿量突破6万,超过历年总和

AI 资讯 来源:新闻/公众号 发布时间:2026-09-22 更新于 2026-09-22 预计阅读 5 分钟

今年 ICLR 的摘要提交量达到 6 万+,已超过 ICLR 从 2013 年到 2026 年历年投稿总和。第一届 ICLR 收到 67 篇投稿,ICLR 2026 涨到 19525 篇,2013 至 2026 年十四届会议全部加起来约 5.6 万篇。如今一届 ICLR 2027 就超过了这个数字。

有网友算了一笔账:即使按 20% 录用率,6 万篇也对应 1.2 万篇论文。上一届 ICLR 2026 最终录用 5355 篇,NeurIPS 2025 录用 5290 篇,CVPR 2025 录用 2872 篇,ICML 2025 录用 3260 篇。按此计算,ICLR 2027 一届可能出现的录用论文数量,相当于两届 NeurIPS 2025、四届 CVPR 2025,或接近四届 ICML 2025。

ICLR 2027投稿冲到6万,比过去十几年加起来都多......

目前社区讨论的“6 万+”,更准确说是 ICLR 2027 摘要截止后出现的提交规模。今年摘要截止时间为 9 月 18 日,正式论文截止时间为 9 月 25 日。官方要求摘要必须真实、有效,重复摘要和占位摘要会被清理,后续还会经历全文提交、撤稿、格式检查等环节,最终进入正式评审的论文数量还会变化。但 6 万这个数字已足够离谱,审稿压力也显而易见。

ICLR 2026 共收到 19525 篇有效投稿,其中 779 篇被 desk reject,5042 篇随后撤稿,最终进入接受或拒绝决策阶段的论文达 13763 篇。为处理这些论文,18054 名 reviewer 共提交 76139 份 review。也就是说,投稿数量到两万级别时,背后已需要接近两万人规模的审稿人网络。现在入口数字突然奔着 6 万去了。

ICLR 2027投稿冲到6万,比过去十几年加起来都多......

ICLR 自己显然也提前感受到压力。今年 9 月初,ICLR 2027 Program Chairs 专门发文介绍新投稿政策,强调“限流”。今年每位作者最多出现在 20 篇投稿中;对于所有作者都缺少合格 reciprocal reviewer 资格的论文,每位作者最多参与一篇。同时,出现在 3 篇及以上投稿中的作者,需承担至少 6 篇论文的评审工作;原则上,每篇投稿也需至少一位作者注册成为 reviewer。

官方在政策说明中提到,AI 和工业界职位竞争正在推动研究者增加论文产量,而 AI 工具让这一趋势进一步加速。一些会议已观察到,大量新增投稿来自缺少合格 reviewer 的作者群体;ICLR 2026 中,约 20% 的投稿没有 reciprocal reviewer。

ICLR 2027投稿冲到6万,比过去十几年加起来都多......

今年 Call for Papers 还专门给第一次投稿 ICLR 的作者写了提醒。官方表示,更好的 AI 工具正在扩大研究者群体;Coding Assistant、理论研究进展、研究基础设施改善,以及机器学习向更多学科扩散,都在推动研究量快速增长。同时,组委会希望研究者把节省下来的时间投入到更完整、更有野心的研究项目中。

投稿前检查也开始 AI 化。9 月 10 日,ICLR 官方宣布与 Google 合作,向投稿者开放 Paper Assistant Tool(PAT)。作者可在正式投稿前把论文交给系统,获得自动化反馈。官方强调,这些反馈属于作者私有信息,也不会进入正式评审流程。

某种意义上,今年 ICLR 本身就像一场大型 AI 科研生产力实验。过去两年,大模型已一路钻进论文生产链条:找选题、写代码、跑实验、润色论文、写 rebuttal,reviewer 那边也开始出现 AI 辅助审稿。大家纷纷吐槽 AI 闭环:AI 写论文,AI 审论文,作者再让 AI 写 rebuttal。论文越来越多,审稿越来越卷,社区里关于“顶会越来越水”的吐槽也越来越多。

于是 6 万+ 一出来,大家开始集体给 ICLR 开药方。有人建议干脆取消 ICLR 2027,重新设计一套机制,把顶会原来的 prestige 找回来。也有人给出更具体方案:每位作者最多投 3~4 篇;论文正文压缩到 3~4 页,让关键结果早点出现;代码、数据和中间结果随投稿公开,再交给 Agent 验证可复现性;最后,给 reviewer 真金白银或真正有价值的学术 credit。还有人补了一条:每篇投稿收 10 美元且不退,6 万篇就是 60 万美元,至少 reviewer 的咖啡钱看起来有着落了。

标签: AI 资讯 AI

更多推荐阅读

清华教授押注机器人ICL:我看到了Scaling Law的信号

清华教授押注机器人ICL:我看到了Scaling Law的信号

本周「十字路口」嘉宾是清华叉院助理教授徐梦迪。她本科读清华车辆工程,后赴Johns Hopkins、CMU,再到Stanford吴佳俊、李飞飞组做博士后,2024年初回国加入清华交叉信息研究院。她的核心命题是机器人的In-Context Learning:让机器人到新环境后,通过一两次交互当场学会新任务,且越学越快。 节目录完第二周,Generalist发布GEN-1.5,只给机器人看3-12秒...

2026-09-22
AI算力不靠堆卡,浪潮信息如何破局?

AI算力不靠堆卡,浪潮信息如何破局?

AI算力的竞争,多年来就一个字——堆。堆卡、堆机柜、堆发电机,似乎计算卡足够多、集群足够大,就能站在食物链顶端。但算力「够不够用」已不再能单靠堆卡解决,它开始分化出越来越多的层面。 第一个问题关于智能上限,即算力能撑起多强的智能。前沿模型的参数规模、上下文长度、推理深度同时变大,Agent可能连续运行几小时甚至几天。模型装不装得下、跑得快不快、长时间稳不稳,都需重新考量。另一个问题是智能规模——...

2026-09-22
多模型分工省额度,还能接入JEV玩红警

多模型分工省额度,还能接入JEV玩红警

上周文章提到 WebCodex 可把网页版额度用起来,随后有读者问:能否让不同模型干不同的活?这其实也是我的需求。主力工具是 Codex,但也买了别家 API,套餐余额分散,Codex 额度仍不够用。此前介绍的 Codex++ 虽能接入第三方模型,但一个任务只能用一个模型。我真正想要的是:把所有模型 API 接到一起,收到任务后先让高智商模型判断难度,再结合各模型能力和余额,把任务拆给不同助手。难...

2026-09-22
实测Qwen3.8-Omni-Flash:全模态Agent价格暴降90%

实测Qwen3.8-Omni-Flash:全模态Agent价格暴降90%

Qwen推出全模态模型Qwen3.8-Omni-Flash,在WildClawBench-MM等30项评测中平均得分比上一代Qwen3.5-Omni-Plus高出26%,音频能力整体超越Gemini 3.8 Flash,音视频能力接近Gemini。API价格大幅下降:相比上一代,每小时音频输入价格下降超98%,每小时音视频联合输入价格下降超93%。现价为每百万Token输入0.8元、输出2.7元,...

2026-09-22
腾讯混元招募外部专家共建AI大模型

腾讯混元招募外部专家共建AI大模型

腾讯推出面向外部行业人才的专家平台“混元智囊团”,Slogan为“聚智为谋,引领未来”。该平台隶属于腾讯混元旗下,通过连接各领域顶尖实战专家与真实AI训练问题,以高质量数据集生产、专业内容编写、知识审核为核心工作,产出的专家资源与专业数据服务于混元大模型持续迭代优化。 简言之,腾讯混元通过接单付费的任务模式,招募金融、法律、医疗、前端设计美学、代码等各领域专业人才,帮忙优化混元大模型能力,为AI...

2026-09-22
马斯克交卷Grok 4.7,这次吹牛吹大了

马斯克交卷Grok 4.7,这次吹牛吹大了

AI 圈没有假期。从 OpenAI、Anthropic 到 xAI,各家巨头集中抢位。SpaceXAI 正式发布 Grok 4.7,官方定位为目前最强的编程与知识工作模型,已进入 Cursor、Grok Build 和 Grok API,也将通过第三方编程工具、模型路由平台与云服务提供。发布比马斯克最初预告晚了不少,从 7 月下旬开始吹风,一再推迟。 Grok 4.7 使用比 Grok 4.6 ...

2026-09-22
订阅
关注

扫码关注公众号「60秒看懂AI」

扫码关注公众号 60秒看懂AI

微信搜索「60秒看懂AI」也可关注

顶部