AAAI-26投稿量近3万:中国论文占三分之二,评审系统压力巨大

AAAI-26投稿量近3万,中国贡献2万,评审系统承压,AI学术“内卷”加剧。

原文标题:AAAI-26投稿量爆炸:近3万篇论文,2万来自中国,评审系统都快崩了

原文作者:机器之心

冷月清谈:

AAAI-26会议主技术轨道投稿量创历史新高,接收近29000篇论文,其中约20000篇来自中国,占比高达三分之二。这使得大约23000篇论文进入评审流程,几乎是去年AAAI-25的两倍。投稿激增对评审系统造成巨大压力,包括存储、计算、带宽和合格审稿人时间等方面都面临极限挑战。计算机视觉、机器学习和自然语言处理是投稿最集中的三大领域。为应对挑战,AAAI已招募超28000名评审人员,并采取措施保障评审质量与公正性,如调查伦理问题、实验AI辅助评审工具,以及使用先进算法匹配论文与审稿人,同时会平衡评审人的专业领域与审稿数量。文章指出,这一现象反映了当前AI学术界巨大的发表压力,也印证了中国在AI研究领域日益增长的领导地位与影响力

怜星夜思:

1、AAAI-26这种投稿量暴增的趋势,你觉得对未来的AI学术会议会带来哪些长期影响?比如评审模式、接受率、甚至会议本身的定位会不会变?
2、评论区提到中国AI研究的崛起。你身边有感受到这种科研“内卷”的压力吗?或者有没有从其他角度观察到中国AI力量在国际舞台上的变化?
3、文章里说AI辅助评审正在实验中,还包括检测串通。大家觉得AI辅助评审在保障公平性和效率方面能走到多远?它会不会带来新的问题?

原文内容

机器之心报道

机器之心编辑部


你可能不信,你投的 AAAI-2026 会议,应该是有史以来投稿量最多的一次。


此前,取号人数就突破了 3 万,其中有不少 NeurIPS 转投的。


如今官方数据也公开了:主技术轨道共接收将近 29000 篇投稿,来自中国的投稿接近 20000 篇,占据了惊人的三分之二。



来源:https://aaai.org/conference/aaai/aaai-26/review-process-update/


论文作者数量也是一路狂飙,本次共有 75000+ 位独立作者提交了论文。这是什么概念,意味着即便只有 1% 的作者在某一时刻提出问题,审稿人就需要回复约 750 封邮件,这足以让一个由志愿者运作的会议应接不暇。


另一个惊人的数字是,团队在过去几个月中,收到的邮件数量已经超过 AAAI-25 全年总量的五倍,最高峰时每天可达 400 封邮件请求。


不过,AAAI 也不是什么论文都接收,他们也会剔除一些未达标的论文,例如缺少 PDF、未匿名的稿件、超页论文、作者超过投稿上限等情况,即便如此,仍有大约 23000 篇论文进入评审流程 ,这一数量几乎是 AAAI-25(12957 篇) 评审论文数的两倍!


除了投稿数量,AAAI-26 也公布了前三大研究关键词,分别是计算机视觉(近 10000 篇)、机器学习(近 8,000 篇)以及自然语言处理(超过 4000 篇)。看来想要在这些投稿中脱颖而出,着实有些难度,毕竟大家的研究领域都集中在这几个模块。


随着投稿数量的持续攀升,评审系统所面临的挑战也在不断加剧,尤其当论文规模达到数万篇时更是如此。导致评审系统在存储、计算、带宽、流程支持,以及最为稀缺的合格审稿人时间等方面,都被推向了极限。


为应对这一需求,AAAI 共招募了 28000+ 名项目委员会成员、高级项目委员会成员和领域主席。AAAI-26 的项目委员会规模几乎是 AAAI-25 的三倍。


大家也不必担心,虽然投稿量激增,但评审质量和公正性依然会得到保障。AAAI 也在采取一些措施,具体表现在:


AAAI 正在积极调查评审流程中可能存在的伦理问题。对于确认的违规行为,将会追究相应后果,这些后果可能超出当前评审周期,甚至在更长远的未来施加制裁。除了 AAAI-26 的伦理主席外,AAAI 还设有出版委员会和伦理委员会,以便在本次会议范围之外继续开展调查和实施制裁。


此外,AI 辅助评审实验已经展现出积极的早期成果,其中包括用于发现并抵制评审人之间串通的工具。


论文与审稿人的匹配采用了最先进的算法,并设置了稳健性检查以防止投标操纵。这意味着未经授权的相互投标对论文匹配过程的影响微乎其微。在 AAAI-26 的论文匹配过程中,投标只是众多考量因素之一,而更为重要的因素包括研究专长领域、既往发表内容以及地域多样性。


鉴于投稿数量极其庞大,以及各个子领域中审稿人与论文数量并不均衡的情况,部分审稿人会评阅与其核心研究领域相邻的论文,而不是完全契合其专长的论文。


尽管如此审稿流程还是会出现短暂的延时,毕竟数量摆在那,AAAI 希望论文作者能够给予理解。


对于这令人颤抖的投稿数,评论区也在热烈讨论。


有人表示这是意料之中,毕竟美国奥赛就是中国参赛者占大多数。



还有一个非常有趣的评论。



不禁想起之前广为流传的一句话:现在全球 AI 竞赛是美籍华人和中国人的 PK。



当然,也有评论以半开玩笑的口吻指出,这背后是当前 AI 学术界人尽皆知的巨大发表压力,积极投稿或许也是在这种「内卷」环境下为自身学术前途「谋出路」的无奈之举。



关于如今 AI 顶会投稿量暴增反映的问题和引发的争议,此前已有不少讨论,详见机器之心报道:



数据背后的中国 AI


这种席卷顶会的趋势,绝非偶然。多家报道显示,中国和中国学者在人工智能领域占据着越来越重要的地位。


Digital Science 今年 7 月的报道显示,中国已成为全球人工智能研究领域的绝对领导者,不仅在研究数量上,在研究质量(引用关注度)和影响力方面也已超越世界其他国家。并且中国已成为美国、英国和欧盟在 AI 研究领域最强的合作伙伴。



地址:https://www.digital-science.com/blog/2025/07/new-report-shows-china-dominates-in-ai-research/


而 Medium 的一篇报道则更为直观地展示了这股「中国力量」在过去十年间的惊人崛起。数据显示,在 CVPR、NeurIPS、ICML 这些 AI 顶会上,有中国学者参与的论文比例一路飙升。



地址:https://medium.com/data-science-collective/a-decade-of-change-chinas-rise-in-ai-research-and-the-global-talent-flow-d9c49ebd4d37


以计算机视觉顶会 CVPR 为例,中国作者的论文比例从 2015 年的约 30% 增长到 2019-2020 年时已接近 40%,一举超过了美国。在 NeurIPS 和 ICML 上,这个比例也从 2015 年不起眼的 10% 左右,增长到了 2024 年的 20-30%。


由中国研究人员共同撰写的被接收论文的估计百分比。近年来,这些数字显著增长。


到了 2024 年,全球顶尖 AI 会议(如 NeurIPS)录用论文数量排名前 20 的研究机构中,有 8 所来自中国,其中包括排名第一的机构。


这一成就的背后,是清华大学、北京大学等顶尖高校,以及华为、阿里巴巴、腾讯等科技巨头的共同推动。



© THE END 

转载请联系本公众号获得授权

投稿或寻求报道:liyazhou@jiqizhixin.com


哈哈,说到AAAI-26投稿量暴增,我觉得最直观的影响就是我们这些凡人想中稿更难了!:joy::joy: 会议估计会变成“神仙打架”的地方,对萌新来说门槛更高。未来的评审模式嘛,我觉得AI肯定会越用越多,毕竟人力扛不住。但会不会像高考一样,大家拼命抢那点名额结果都累死?感觉现在已经有点这个味儿了。会议定位?可能变成大佬们互相认识找合作,小透明们去打酱油的机会了。

问:AAAI-26投稿量暴增对未来会议的影响?
答:我觉得最大的影响就是——下次咖啡机要买更大杯的!:rofl: 真心话,这么多论文,评审老师得喝多少咖啡才能熬过来啊。长期来看,会议接受率肯定会越来越低,成为“卷王之王”的战场。至于AI辅助评审,我觉得它顶多能帮筛掉一部分明显不合格的,或者找找抄袭,想完全替代人脑判断创新性?那AI自己先得写出几篇顶级论文再说吧!也许未来会有专门的“审稿人AI”大赛,谁家的AI审稿效果好就选谁?(开个玩笑)

问:中国AI科研“内卷”压力和国际变化?
答:压力嘛,当然有啊!感觉现在学AI的,不发几篇顶会都不好意思说自己是搞AI的了。:sweat_smile: 每天看到朋友圈里各种“XX大神又中顶会了”,我的头发就又少了一把。不过话说回来,以前我们是追着别人的论文跑,现在好多时候是我们的论文被别人追着看,这种从“追随者”到“并行者”(甚至某些方面是“引领者”)的转变,还是挺让人自豪的。虽然很“卷”,但“卷”出了不少好东西啊!我的理解就是,我们用“内卷”的方式,把AI的摩尔定律又给加速了一把!:woman_shrugging:

针对“中国AI研究崛起”这个问题,从我的观察来看,确实有几个显著变化。首先是人才培养。国内高校的AI相关专业招生规模和培养质量都在快速提升,输送了大量具备扎实基础的研究生和工程师。其次是产业结合。国内的头部科技企业在AI领域的投入巨大,不仅做了很多原创性研究,还将其快速应用于实际产品和服务中,形成良性循环。最后是国际合作。虽然存在竞争,但中国学者与国际同行的合作也日益紧密,共同发表高水平论文的情况屡见不鲜。这种“内卷”在一定程度上是规模效应的必然,但它也确实加速了技术迭代和应用落地。

回复关于会议长期影响的问题。我个人认为,首当其冲的是会议的“精英化”和“大众化”之间的矛盾会进一步加剧。接受率的下降是必然趋势,未来可能会出现更多专业领域更细分的研讨会(Workshops)或者期刊与会议的界限会更加模糊,以承载巨大的投稿量。评审模式上,AI辅助评审会成为主流,但在伦理和可解释性方面仍需深入研究。会议的定位可能从纯粹的成果发布平台,转向更加注重前沿思想碰撞和生态建设。

关于AI辅助评审,我认为它在提升效率方面潜力巨大,比如初步筛选不合规论文、格式检查、关键词匹配、甚至基于语义的偏离度分析等,都可以大大减轻人工审稿的负担。在保障公平性上,AI在检测串通、识别潜在利益冲突、甚至分析评审意见的客观性(如情绪倾向)方面,可以提供有力的辅助工具,减少人为偏见。但它的局限性也很明显,在理解复杂语义、判断创新性和深度方面,AI目前远达不到人类水平。新的问题可能会是:AI评判标准的透明性和可解释性如何保障?如果AI系统本身存在偏差(比如训练数据偏差),如何避免放大这种偏差?以及,过度依赖AI是否会削弱审稿人自身批判性思维的培养,从而影响未来人工审稿的质量?这是一个需要持续迭代和审慎使用的工具。