这家实验室让AI写论文投自己，200种语言研究者却抢着报名

200多种语言，几乎零数据，主流AI模型连名字都念不对。印度东北部的语言困境，MWire Labs想用一个"反常识"的实验来破题。

5月29日，NortheastGenAI 2026 workshop将全程公开运行一场"AI自治"学术会议：投稿必须用AI生成或辅助，审稿也用AI辅助，全部流程摊在OpenReview上。

这不是噱头。负责人说得直白：「我们不声称AI研究已经成熟，只是公开提出这个问题，然后发布所有结果。」

为什么偏偏是"低资源语言"

MWire Labs的定位很垂直——只做印度东北部的原住民语言技术，自动语音识别（ASR）、机器翻译（MT）、光学字符识别（OCR）、大语言模型（LLM），全栈覆盖。

但数据困境是死结。全球AI训练语料被英语、中文、印地语垄断，那200多种语言像被数字时代遗忘的方言孤岛。你让GPT-4翻译阿萨姆语的民间史诗，它可能直接给你编一个。

传统学术会议解决不了这个。审稿人不懂这些语言，投稿者凑不齐数据集，评审标准更是无从谈起。MWire Labs的解法很产品经理思维：既然人不够，就让AI先跑起来，把过程全公开，让社区自己迭代。

三轨并行：语言文化与遗产、社会历史与人类学、AI与技术。非存档性质，作者之后可以改投其他会议——降低了参与门槛，也保留了学术退路。

斯坦福先试了，他们跟进了

这个模式有先例。Agents4Science 2025，斯坦福办的，同样全开AI辅助审稿。MWire Labs直接抄作业，但场景更极端：低资源语言+发展中国家研究者+基础设施薄弱。

技术栈选OpenReview，开源、透明、可追踪。所有审稿意见、作者回复、修改记录全部留痕——这比传统黑箱审稿更适合"实验性"定位。

主讲人定了：Bonaventure F. P. Dossou，麦吉尔/Mila背景，Masakhane成员，主题是「用更少资源做更多事：低资源语言的高效方法」。这个人选对味了，Masakhane本身就是非洲语言的草根AI社区，懂"穷玩法"。

时间线很紧，意图很明显

4月8日开投，5月15日截止，5月29日开会。一个半月周期，传统会议的一半都不到。

这种压缩是有设计的：快速试错、快速公开、快速被社区检验。对于低资源语言研究，"慢工出细活"是奢侈品，先让东西跑出来更重要。

投稿模板内置FAQ快速回复，降低格式门槛。审稿后有人工编辑终审，防AI hallucination（幻觉）漏网。这些细节都在说同一句话：我们不是放任AI胡来，是在有限人力下最大化产出。

MWire Labs的算盘打得清：如果这次实验能跑出几篇可用论文、几个可用数据集、甚至只是几个失败案例的公开分析，对200多种语言的AI化都是增量。毕竟，零乘以任何数都是零，但0.1可以迭代到1。

一个开放问题：当AI能替人类写论文、审论文，学术生产的"人味"底线应该划在哪？MWire Labs选择先划一道，然后邀请所有人来看这道线合不合理。你会投吗？