原文摘要

LLM坑惨审稿人

原文链接

进一步信息揣测

• 审稿人可能普遍依赖LLM辅助审稿：NeurIPS 2025审稿建议中残留的AI提示痕迹（如“Who's Adam”）暴露了审稿人可能直接复制LLM生成的文本而未仔细检查，暗示LLM已成为审稿流程中的“隐形工具”。
• 学术评审质量存在隐患：低级的AI错误（如混淆常识术语）被公开，反映部分审稿人可能缺乏领域深度知识，依赖LLM填补专业漏洞，导致评审可信度下降。
• 行业对AI审稿的默许态度：网友调侃“审稿人用LLM就偷着乐吧”暗示业内已默认LLM参与审稿是潜规则，甚至认为其能弥补审稿人自身知识不足的问题。
• 审稿效率与质量的矛盾：使用LLM可能提升审稿速度，但未公开的实践表明，审稿人可能因过度依赖AI而忽略细节审查，引发“批量低质评审”风险。
• 学术会议的漏洞管理：NeurIPS等顶级会议未明确禁止LLM辅助审稿，也未设置检测机制，暴露评审流程存在未被公开讨论的监管盲区。
• 作者与审稿人的信息不对称：投稿者可能不知晓自己的论文被AI间接评审，而审稿人私下使用LLM的行为未被透明化，形成灰色地带。