摘要：ICLR 2026 投稿在截止前一周突破 5 万篇，有研究者拒审并质疑评审系统本身是否从一开始就被错位，AI 研究生态的产出与评审机制同时承压。
AI 研究自己，今天成了被审视的对象。AGI HUNT 日报考据，ICLR 2026 的投稿在截止前一周就已经突破 5 万篇，量级堪比一座小型城市的年产量。更尖锐的是反应：有研究者公开表示这轮不再审稿，Stanford 的 Anshul Kundaje 则直接发问——我们现在 blame 的这套评审系统，会不会从一开始就是错位的？当投稿以指数级膨胀，审稿人数量却线性增长，"评审"这个学术质量的守门人，正在被自己的负荷压垮。
这条线和前面的"AI 辅助科研"互为表里。模型让"写出一篇像样的论文"变容易了，投稿洪水里有多少是 AI 生成的平庸之作、有多少是真心突破，审稿人越来越难分辨；而审稿本身又慢又累，资深研究者用"拒审"投票表达不满。结果是一个正在失灵的循环：产出靠 AI 加速、评审靠人力硬扛，两端失衡。Kundaje 的质疑点破了要害——问题可能不在"审稿人不够努力"，而在"我们用来评判 AI 研究的制度，本身就不是为这个产出速度设计的"。
我的判断：对做研究的读者，今天该把这当成行业级信号，而非茶余谈资。它意味着：第一，顶会论文的"含金量折扣"在加大，读论文要比以前更会筛，看方法复现性而非标题吸睛度；第二，AI 生成的"论文通胀"会抬高真正扎实工作的发表门槛，也对"预印本+社区验证"提出了更高要求；第三，评审机制的改革（公开评审、AI 辅助初筛、提交费调控）大概率会加速。一个有趣的对照是：我们正在用 AI 重写几乎每个行业，却还没想好怎么用 AI 诚实、可审计地重写"科学的质量控制"本身。
