📢 转载信息
原文链接：https://www.nature.com/articles/d41586-026-00059-0
原文作者：Dalmeet Singh Chawla
顶级人工智能会议收到的论文数量激增，一些会议的投稿量在过去十年中增长了十倍以上。
费城宾夕法尼亚大学的数学家 Buxin Su 表示，这不仅仅是全球人工智能研究产出快速增长的副作用。人工智能会议往往会吸引同一作者的多篇投稿，这就带来一个严峻的问题：谁来梳理所有这些论文，以找出最引人注目、质量最高的工作呢？
在十月份于预印本服务器 arXiv 上发表的一项研究中，Su 和他的同事描述了一种系统，要求提交多篇论文的作者直接比较他们的论文，根据质量和潜在影响力对它们进行排序。这些排名会根据同行评审员的评估（评审员看不到作者的自我排名信息）进行校准，以突出最佳选择。
该方法在 2023 年国际机器学习会议（ICML）上进行了测试，ICML 是在夏威夷檀香山举行的一个领先的人工智能盛会，共收到了 1,342 位研究人员提交的 2,592 篇论文。在会议召开十六个月后，Su 和他的团队通过追踪引用次数，并将这些数据与校准后的同行评审分数进行比较，评估了每篇论文的实际世界影响力。
Su 称，作者的自我排名和校准后的分数提供了可用于预测论文未来表现的重要见解。例如，团队发现，自我排名最高的论文获得的引用次数是排名最低论文的两倍。“作者的排名是预测长期影响力的一个非常好的指标，”Su 说。“校准后的分数能更好地反映真实质量。”
Su 是该会议诚信委员会的成员，他表示，定于今年晚些时候在首尔举行的 ICML 2026 将是第一个正式采用自我排名方法的会议。
他补充说，虽然该方法可用于任何研究会议，但对于吸引大量多重投稿的人工智能会议来说，它会特别有用。他的研究发现，在 ICML 2023 的投稿中，有超过四分之三的论文中，至少有一位作者向该会议提交了不止一篇论文。人工智能会议还被人工智能生成的论文淹没，这给那些需要筛选和评审论文的人带来了进一步的压力。
诚实的评估？
来自宾夕法尼亚州匹兹堡卡内基梅隆大学的计算机科学家 Nihar Shah 认为，自我排名是“一个真正新颖且非常酷的想法”。但他不确定作者是否能准确预测哪些论文将产生最大的影响力。他说：“作者比评审员具有更好的预测能力的说法，可能是他们研究方法论的人为产物，而不是现实世界中实际发生的情况。”
尽管如此，曾在 2025 年在加拿大温哥华举行的 ICML 担任科学诚信主席的 Shah 对任何旨在解决人工智能会议投稿激增的努力表示欢迎。“这绝对是我们目前不知道如何解决的一个问题。”
加州大学伯克利分校的计算机科学家 Emma Pierson 同意，自我排名是“一个令人兴奋的可能性”。她说：“你了解哪些论文是你的‘宝贝’，你真正喜欢的论文。”她认为，“如果你能让作者诚实地提供他们的自我排名，那将是一个有价值的输入来源。”
然而，Shah 和 Pierson 都担心研究人员可能会故意利用这个系统——例如，通过给他们较弱的论文更高的排名，以平衡批评性的审稿意见。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区