ICLR 2027投稿量突破6万,超过历年总和
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。

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 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。

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。
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
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
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%
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
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