NeurIPS用AI检测，说我的论文是AI生成的

来源：市场资讯

（来源：机器之心）

编辑｜杜伟

NeurIPS 2026 正在用 AI 检测器来判定「论文投稿是否使用 AI」，并作为拒稿的重要依据。

今天，Reddit 上一则帖子火了。发帖人对 NeurIPS 官方发出了控诉。

原贴内容是这样的：

我最近有一篇投稿被 NeurIPS 2026 Position Paper Track 以所谓违反 AI 使用政策为由直接拒稿。在和 track 负责人沟通之后，又读了他们公开发布的博客文章，我觉得这里面更大的方法论问题值得拿出来讨论。
这个 track 在 desk rejection 流程中使用了 Pangram—— 一个闭源的 AI 文本检测器。我被告知，作出拒稿判断时参考的材料包括：检测器输出结果和作者提交的 AI 使用声明。
这就可能产生一个循环论证的问题：如果一个较高的检测分数被用来判断作者的声明「不一致」，而这种「不一致」又被用来证明拒稿合理，那么检测器就不只是一个辅助工具了。它实际上成了裁决过程中的决定性因素。

更大的问题在于验证。NeurIPS 的文章提到，他们做过一些测试，包括 Pangram 审计、较早的 ACM FAccT 论文、合成生成的 AI position paper，以及人工编辑过的样本。但真正的目标群体是 NeurIPS 2026 Position Paper 的投稿，而这些投稿的真实写作过程并没有已知的 ground truth。
所以，关键问题是：在真实目标分布上，这套最终决策流程的误判率到底是多少？在一个分布上测得的假阳性率，并不会自动迁移到另一个分布上。如果真实投稿池中出现了 NeurIPS 博客所说的「异常高的被标记比例」，这反而可能说明存在分布偏移，或者检测器校准出了问题。

为了简单验证一下这个检测器的行为，我还用 Pangram 跑了几篇 2026 年近期的论文，作者包括 NeurIPS Position Paper Track 的几位主席。Pangram 给出的结果包括：69% AI、45% AI、36% AI 和 24% AI。我并不是说这些论文就是 AI 写的。对我来说，仅凭 Pangram 的输出，根本不能得出这样的结论。而这恰恰就是问题所在。

帖子里提到的 NeurIPS 博客文章是 6 月 2 日发布的，列出了 Position Paper Track 上 AI 生成的论文。

完整内容参见：https://blog.neurips.cc/2026/06/02/ai-generated-papers-in-the-neurips-2026-position-paper-track/

文中指出，NeurIPS 2026 Position Paper Track 决定要求所有论文必须主要由人类作者撰写，AI 只能用于文字润色，或对正文进行类似的辅助性、外围修改。

今年 Position Paper Track 的主席在政策上采取了相对保守的做法。他们认为，对于 position paper 这类重在论证的文章来说，过度使用 AI 撰写投稿，对整个研究共同体的帮助有限。AI 生成的文字往往看起来很流畅，但可能明显偏离作者原本想表达的意思。在这种情况下，把 AI 生成的文本提交给同行评审，等于是把核查这项工作的成本转嫁给审稿人。即便 AI 生成的文本本身并不混乱，也没有明显误导性，这仍然会引发一个问题：相关贡献应当如何归属。

因此，为了评估作者是否基本遵守了这项政策，他们与 AI 检测模型公司 Pangram 合作，并根据企业级数据协议，确保在使用其模型的过程中不会保留任何数据。随后进行了多项独立分析，以验证该模型的准确性，并排除会产生大量误判的情形。

最终结果是：178 篇投稿将被直接拒稿，占全部投稿的 18.4%；123 篇投稿将被要求提供证据，证明论文中有充分的人类参与，否则也可能被直接拒稿，占 12.7%。

reddit 发帖人正是被直接拒稿的其中之一。

在评论区，有人将矛头指向了公平问题。

也有人认为 AI 检测器就是鸡肋，遗憾的是，NeurIPS 这样的顶会都开始使用这种检测手段了。

还有人现身说法，指出了 Pangram 在检测 AI 使用方面的一些不足之处。

这场风波真正暴露的，不只是 NeurIPS 有没有误伤投稿者，一个更现实的问题是：当 AI 已经进入科研写作，学术界到底该如何判断「合理辅助」和「过度代写」？如果答案只是交给一个黑箱检测器，那么新的公平争议，可能才刚刚开始。

reddit 地址：

https://www.reddit.com/r/MachineLearning/comments/1tvwctd/neurips_used_uncalibrated_ai_detector_for_desk/