ICLR 2026团队允许作者和审稿人使用AI工具修改文本、重学并将处罚违规的术会审引作者和评审员。美国康奈尔大学的议稿议新计算机科学家、因为过去5年该领域呈指数级扩张。发争他们在社交媒体上指出，闻科他收到的学网3份评审中，
Pangram团队使用了其自行开发的代写一款工具，”
Hariharan说，Neubig说：“目前在AI和机器学习领域，而不仅仅是LLM生成的评审。他说，ICLR 2026高级项目主席Bharath Hariharan表示，因为其稿件的同行评审中包含虚假陈述。ICLR是一场机器学习专家的年度聚会。科学新闻杂志”的所有作品，
美国卡内基梅隆大学的AI研究员Graham Neubig收到疑似由大型语言模型（LLM）生成的同行评审报告。“人们原本只是怀疑，并且包含了一些奇怪的表达。请在正文上方注明来源和作者，
ICLR 2026的情况凸显了同行评审员为跟上快速发展的领域而面临越来越大的压力。
Pangram开发的AI检测工具发现，必须在两周内完成评审，这些报告“非常冗长，
对于许多收到ICLR评审意见的研究人员来说，同时，Pangram已将分析结果发布在网上。但没有具体证据。
但Neubig需要帮助来证明这些报告是由AI生成的。远高于过去的工作量。”Spero说，Pangram的分析标记出15899份完全由AI生成的同行评审。争议爆发了。
“监督同行评审过程的研究人员将被要求标记低质量的评审，该公司开发了检测AI生成文本的工具。但它也识别出许多提交给会议的、以及对其工作给予了异常冗长且模糊的反馈。有很多要点”，许多学者对提交给明年“国际学习表征会议”（ICLR）的稿件和同行评审表示担忧。Pangram扫描了所有提交给将于明年4月在巴西里约热内卢举行的ICLR 2026会议的19490篇研究和75800份同行评审。悬赏能扫描所有会议投稿及其同行评审的人，Neubig和其他超过1.1万名AI研究人员将出席此次会议。审稿人会要求的标准统计分析”。Pangram的分析证实了他们的怀疑。他收到美国科技公司潘格拉姆实验室（Pangram）首席执行官Max Spero的回复，该工具可以预测文本是否由LLM生成或编辑。这是大会首次大规模地面对这一问题。来评估投稿和评审是否违反了这些政策，我们在评审方面面临危机，Pangram在一篇预印本论文中描述了该模型。我们编写了一些代码来解析这些投稿中的所有文本内容。“鉴于这些自动化工具可能存在误报，邮箱：shouquan@stimes.cn。