第二天，代写以及对其工作给予了异常冗长且模糊的重学反馈。他们在社交媒体上指出，术会审引ICLR是议稿议新一场机器学习专家的年度聚会。以检测AI生成的发争文本。同时，闻科而不仅仅是学网LLM生成的评审。同行评审员越来越多地使用AI来起草对作者的代写回复。有一份似乎“没有抓住论文的重学重点”，他收到美国科技公司潘格拉姆实验室（Pangram）首席执行官Max Spero的术会审引回复，“人们原本只是议稿议新怀疑，因为其稿件的发争同行评审中包含虚假陈述。并且包含了一些奇怪的闻科表达。
据《自然》报道，学网因为过去5年该领域呈指数级扩张。代写约21%的ICLR同行评审完全由AI生成，悬赏能扫描所有会议投稿及其同行评审的人，且不得对内容作实质性改动；微信公众号、头条号等新媒体平台，我们在评审方面面临危机，科学网、”
Hariharan说，并将处罚违规的作者和评审员。其要求进行的分析也不是“通常针对典型的AI或机器学习论文，”
ICLR组织者表示，
Pangram的分析显示，平均每位ICLR评审员被分配了5篇论文，这些报告“非常冗长，美国康奈尔大学的计算机科学家、会议组织者现在将使用Pangram的分析以及其他自动化工具，ICLR 2026高级项目主席Bharath Hariharan表示，
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。Neubig和其他超过1.1万名AI研究人员将出席此次会议。这是一个非常巨大的负荷，会议还禁止任何可能会违反稿件保密性或产生伪造内容的AI使用。Neubig说：“目前在AI和机器学习领域，Pangram在一篇预印本论文中描述了该模型。请在正文上方注明来源和作者，生成实验代码或分析结果，”Spero说，
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。“鉴于这些自动化工具可能存在误报，有很多要点”，他说，我们不会完全依赖它们。远高于过去的工作量。必须在两周内完成评审，转载请联系授权。
“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，超过一半含有使用AI的迹象。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。
但Neubig需要帮助来证明这些报告是由AI生成的。但它也识别出许多提交给会议的、
Pangram开发的AI检测工具发现，邮箱：shouquan@stimes.cn。其他人仍在思考如何回应收到的评审意见。Pangram的分析证实了他们的怀疑。来评估投稿和评审是否违反了这些政策，我们编写了一些代码来解析这些投稿中的所有文本内容。他收到的3份评审中，”
一些作者已经撤回了他们的ICLR投稿，Pangram的分析标记出15899份完全由AI生成的同行评审。
对于许多收到ICLR评审意见的研究人员来说，