编译 | 王兆昱

最近，一位名叫Kevin Zhu的年轻人在学术圈引发争议。

刚从美国加州大学伯克利分校拿到计算机本科学位的Kevin Zhu，声称今年已发表113篇研究论文，其中有89篇在AI领域的顶尖学术会议——NeurIPS大会上展示。

这些论文的主题看起来很有趣：用AI定位撒哈拉以南非洲的游牧民、评估皮肤病变、翻译印尼方言……在Zhu的个人领英主页，他自豪地写道：“过去一年，我们在顶会上发表了100多篇论文，被OpenAI、微软、谷歌、斯坦福、MIT、牛津引用。”

值得一提的是，Zhu创办了一家名为Algoverse的公司，专门面向高中生和本科生提供“AI科研指导”。每位学生只要支付3325美元（约合人民币2.4万元），就可以参加为期12周的线上课程，并获得指导向顶会投稿。这些学生中的很多人，正是Zhu所发表论文的共同作者。

图片由豆包AI生成

教授公开质疑

与Zhu同校的计算机系教授Hany Farid发现了这事不对劲。

“我一年连100篇论文都读不完。”这位教授在领英上写道，“当我得知，有人声称他一年参与了100多篇论文的研究和写作时，我有多惊讶，你可想而知。”

在接受英国《卫报》采访时，Farid的措辞更加严厉。他称Zhu的论文是“一场灾难”，“我相当确定，整个过程从头到尾就是Vibe coding。”

“Vibe coding”是一个新近流行的俚语，指用AI工具快速生成代码，而不求甚解。Farid用这个词来形容使用AI堆砌论文的做法。

当被问及论文是否使用AI撰写时，Zhu的态度颇为微妙。他并未承认或否认，而是回答：“团队使用了标准的生产力工具，如文献管理器、拼写检查，有时也用语言模型进行文字润色或提高清晰度。”

Zhu还表示，这些论文是“团队的努力”，他监督了这113篇论文。

他说：“至少，我会协助审核论文中的研究方法和实验设计，并在论文终稿提交前阅读并发表评论意见。”他还补充称，语言学、医疗或教育领域的项目都拥有“相关专长的首席研究员或导师”。

对于这件事，NeurIPS的组织者表示，Zhu的论文主要提交给了会议内部的研讨会——这些研讨会通常是展示早期工作的地方，和主会议不同。

Farid却认为，这不是一个合理的、有说服力的理由。

学术泡沫

Zhu的案例只是这场学术泡沫的一个缩影。

Farid指出，此案例反映了更大的问题——许多AI领域的顶尖会议正在被海量投稿“淹没”，但这些论文的质量并不高。

作为新兴热门学科，AI领域的研究节奏很快，研究工作往往以非正式的方式在会议上提交，而不像生物学、化学那样经过严格同行评审流程。

2025年，NeurIPS共收到21575篇论文，而2020年时还不到10000篇。另一个AI顶会ICLR称，其2026年度会议的投稿量已经接近20000篇，比2025年暴涨70%。

论文数量激增的同时，带来了对论文质量的担忧。

与此同时，学生和学者们正面临越来越大的压力。他们被推着走，被迫发更多论文以跟上同行的步伐。不少人会通过“Vibe coding”生成的论文来增加发表量。

“如此多的年轻人渴望投身AI领域，眼下这股热潮正愈演愈烈。”Farid说。

投稿量爆炸的直接后果是“审稿难”。NeurIPS今年不得不依赖大量博士生来审稿。一位NeurIPS领域主席直言，这已经损害了审稿流程的严谨性。

一位NeurIPS的发言人称，AI领域的快速发展使论文提交数量显著增加，“给我们的评审系统带来了相当大的压力”。

AI“狂热”

Farid公开建议学生们不要涉足AI研究领域，因为这个领域处于“狂热”状态。

相当一部分人在这个领域发论文，只是为了“让简历好看”。

例如，Zhu的公司声称：“你在这里取得的技能、成就和发表的出版物可以帮你申请更好的大学，强化你的简历。如果你的论文被顶级会议录取，这是一项声誉卓著的成就。”

“这么多年轻人都想进入AI领域，这简直是一团糟。你跟不上，无法做好的工作，无法深思熟虑。”Farid说。

他告诉学生们：“如果你想让论文发表量更好看，并不难做到，只要做一些非常糟糕的低质量工作，用它们‘轰炸’会议。但如果你想做非常周密、仔细的工作，你会处于劣势，因为你被单方面‘解除了武装’。”

美国弗吉尼亚理工大学副教授Jeffrey Walling则批评说：“在学术界，获得回报靠的是出版量而不是质量……每个人都喜欢超级生产力的神话。”

另一个普遍现象是，大大小小的科技公司纷纷将自己的研究成果公布在arXiv网站上。这个网站曾用于刊载论文预印本，大多是数学和物理学领域鲜有人关注的成果，可如今却充斥着被标榜为科学成果，但实际上并未经过评审审核的论文。

Farid指出，这样的情况导致“噪声”太多，人们很难知晓AI领域实际发生的情况。“普通读者根本没什么机会去真正理解科学文献，理解究竟发生了什么。你接收到的信息中，有用和无用的比例几乎是1:1。我参加这些会议都很难搞清楚到底发生了什么。”

AI在学术研究中应该扮演什么角色？这个话题自前几年“火”起来后，一直充满争议。众所周知，AI工具容易产生幻觉，或杜撰不存在的信息来源，这些甚至不会被一些著名期刊的同行评审发现。

例如，去年发生的一件荒谬事件：某篇论文用的AI生成的插图，图中大鼠的生殖器几乎比身体还大，竟然也通过了同行评审。（详见报道：发表3天被撤稿！中国作者用AI生成论文插图，每幅都荒谬 ）

如今，AI研究领域正因AI技术本身陷入割裂。如果真正有创新性的研究正被那些虚假炮制、成果更为“丰硕”的同行淹没，这对新一代人工智能科学家而言，意味着什么？