我标记了两篇带有虚构作者的研究论文，而且两篇都被接收为口头报告

研究流程的自动化

• 评论者指出，AI 现在已被普遍用于撰写、审稿和总结论文，尤其是在 ML/AI 领域。
• 有人认为这相当于把学术出版中的“人”给自动化掉了；也有人认为这主要是在自动化生产低质量的“slop”。
• 还有人担心，论文中的技术现在也由 AI 来实现，这进一步减少了人类参与。

质量、“Slop”与 AI 审稿的局限

• 许多审稿人报告称，低投入、AI 生成的投稿激增，其中包含虚构引用和浅薄的论断。
• 不少人认为，当前 AI 无法可靠地判断研究质量；即使很多人类也难以做到。
• 也有人承认，AI 改善了非母语作者的语法和可读性，但内容往往仍然空洞。

声誉、社会评分与问责

• 一个提出的修复方案是为作者和审稿人建立更强的声誉体系或“社会评分”。
• 支持者认为，透明的后果和声誉机制对于大规模科学运作是必要的。
• 批评者警告，这类系统很容易被权力、偏见以及对“好”与“坏”行为不断变化的规范所操控，并可能变得反乌托邦。

同行评审激励与结构性问题

• 同行评审被广泛描述为无偿、超负荷，而且常常被下放给更年轻的人。
• 有人希望给审稿人付费；也有人指出，这可能只会进一步激励 AI 生成审稿意见。
• 建议包括：对投稿收取保证金，若恶意灌水则没收；或者通过取消匿名、公开投稿和审稿来增加更多“羞耻成本”。
• 一些人认为，这套系统在 AI 出现之前就已经“腐烂”了；AI 只是加速了它的崩坏。

开放获取、引用与检测工具

• 有人把责任归咎于封闭获取出版，认为这使得引用验证更困难；也有人说，通过 DOI 和公共索引，引用是否存在本就很容易检查。
• 文中提到用于引用图谱和自动书目检查的工具与 API；同时也担心灌水作者会用它们来掩盖明显错误。
• 对于未披露 AI 使用和抄袭的禁令与处罚，存在争论；有人呼吁对投稿实施多年禁投，也有人指出执行并不一致。

规模、指标与学术的未来

• 顶级 AI 会议的海量投稿被视为不可持续；审稿人拿到的大量论文都超出了自己的专业范围。
• “不发就死”被比作用代码行数来评判程序员；它推动的是数量而不是严谨性。
• 一些人认为当前学术模式正在失效，且可能被替代；另一些人则警告，不要在没有更好系统准备好的情况下就把它推倒重来。