一年100篇論文的超級作者來了，審稿還頂得住嗎?

編輯｜Panda

2018 年，斯坦福大學統計學家 John Ioannidis 和同事在 Nature 上拋出一個概念：「超級高產作者」（hyperprolific author）——指一年發表 72 篇以上論文的人，相當于平均每 5 天就要掛名一篇新論文。

https://doi.org/10.1038/d41586-018-06185-8

他們從 Scopus 數據庫里翻出了 9000 多個這樣的名字，而這個群體的規模，從 2001 年到 2016 年擴大了 2.5 倍。當團隊試著聯系其中一部分人，請他們解釋這份產出是怎么做到的，只有少數人能完整說清楚自己在每一篇論文里究竟貢獻了什么。

五年后，Nature 記者 Gemma Conroy 在一篇后續報道里給出了更刺眼的數字：據 Ioannidis 團隊 2023 年發布的一項新統計，一年發表 60 篇以上論文的「超高產」作者數量，比十年前多了整整四倍。她在文中直言，在一些學科里，現在已經能找到一年發表 50 篇、100 篇甚至更多論文的研究者！

https://www.nature.com/articles/d41586-023-03865-y

當然，需要指出，這不一定意味著造假，有時候只是大規模合作的產物。

七八年過去，「超級高產作者」這個曾經顯得「離奇」的概念，正在 AI 和機器學習領域找到一個更極端的版本。當 ICML、NeurIPS 這些頂會的投稿量以每年翻倍的速度往上沖的時候，一個繞不開的追問是：這些論文到底是誰寫出來的？答案的一部分，就藏在越來越龐大的「超級高產作者」群體里。

頂會里的「超級作者」

一項專門統計 AI 頂會發表趨勢的研究《Publication Trends in Artificial Intelligence Conferences：The Rise of Super Prolific Authors》梳理了 2014 年到 2023 年間 NeurIPS、AAAI、ICML、ICLR、IJCAI、CVPR、ICCV、EMNLP、ACL、KDD、ACM CHI 這 11 個頂會累計發表的 87,137 篇論文，發現「多產作者」的數量正在逐年攀升：僅 2023 年的 NeurIPS 和 2024 年的 CVPR，就各自出現了超過 250 位在同一場會議里一年發表 5 篇以上論文的作者

arXiv:2412.07793

把標準再抬高一些，近年 CVPR 甚至出現過單個作者一年在同一場會議里掛名超過 20 篇論文的情況。

研究者還發現一個有意思的例外：在他們統計的所有頂會里，幾乎每一場都允許單個作者一年發表 10 篇以上論文，唯獨 IJCAI 是個反例。原因很簡單，IJCAI 很早就設置了單作者投稿上限，把這條路直接堵死了。

這和 Ioannidis 團隊十年前的發現有相似之處：當年 9,000 多名超級高產作者里，近 7,900 人集中在物理學，原因是高能物理的大型國際合作項目動輒有上千名成員掛名，嚴格意義上很難用「作者」的傳統定義去衡量。

AI 領域的超級高產，同樣有一部分能用類似的邏輯解釋：大模型訓練、大規模基準測試、跨機構的聯合實驗室，天然需要更多合作者共同署名

但另一部分驅動力，更接近美國路易斯安那州立大學教授、期刊主編 Steve Midway 最近在 Slate 撰文里提到的機制：當「發表數量」本身變成考核和晉升的硬指標，古德哈特定律就開始應驗：一旦一個指標被當成目標，它就不再是個好指標。

https://slate.com/technology/2026/05/science-peer-review-journals-retractions.html

發一篇是好的，那么發兩篇一定更好，發一百篇就成了「超人」。

頂會為什么紛紛給作者設「投稿上限」

超級高產作者的存在，和頂會投稿量的暴漲互為因果：一部分論文供給，恰恰來自那些一年參與十幾篇甚至幾十篇論文的高產作者和他們所在的大型實驗室。

也因此，ICML、NeurIPS、AAAI、CVPR、ICCV、WSDM、KDD、ICDE 這些會議近幾年不約而同地引入了「按作者設定投稿上限」的政策，上限區間大致在 7 到 25 篇之間，超出上限的論文通常按提交編號順序直接淘汰。

這類政策本質上是在承認一個事實：光靠「自愿減產」約束不了超級高產作者，只能靠規則強行截斷。

投稿端的壓力最終會傳導到審稿端。

以 ICML 為例，2026 年主賽道收到 23,918 份有效投稿，創下歷史新高，比 2025 年的 12,107 份幾乎翻倍，錄用 6,352 篇，錄用率 26.56%。NeurIPS 2025 年主賽道收到 21,575 份投稿，較上一年增長約六成，動員了 20,518 名審稿人才勉強消化；AAAI-26 主賽道收到近 2.9 萬份投稿，涉及超過 7.5 萬名獨立作者，最終招募了超過 2.8 萬名程序委員會及領域主席成員。

ICML 會議論文投稿與接收情況數據統計，今年的投稿數量相比去年幾乎翻倍，https://openaccept.org/c/ai/icml/

當審稿人越來越難招到、每個人分到的論文越來越多時，一部分人開始轉向 AI 工具「代勞」。今年 3 月，ICML 就披露有 497 篇論文因其互惠審稿人違反 LLM 使用政策（承諾不用 LLM 卻被水印檢測技術抓包）而被連帶撤稿。這起風波與其說是個案，不如說是超級高產作者制造的投稿洪流，最終反噬到審稿質量本身的一個縮影。

https://blog.icml.cc/2026/03/18/on-violations-of-llm-review-policies/

當然，也有一些機構在做更積極的嘗試，參閱《一天審完兩萬篇！AAAI 2026 首次實裝 AI 審稿，單篇成本不到 1 美元》。

從會議到期刊：超級作者的另一個主場

頂會只是這場「產出競賽」的一個賽場，期刊端的情況同樣值得關注，而且規則更寬松。

Midway 在文章里提到，五大科學出版商旗下擁有約 5 萬種期刊，持續需要新稿件填充內容；開放獲取模式（作者付費即可發表）進一步降低了門檻：MDPI 從 2000 年的 14 種期刊擴張到如今的 487 種，Frontiers Media 從 2007 年成立至今也擴展到超過 220 種。

期刊數量的爆炸式增長，給超級高產作者提供了幾乎無限的「出貨渠道」：只要寫得出來（外加一點成本），總有期刊愿意收。

這套體系的隱患，在計算機科學與工程領域表現得尤其明顯。

一項針對全球論文撤稿趨勢的研究顯示，電子工程與計算機科學（EE & Comp Sci）領域的撤稿率達到每萬篇論文 31.97 篇，是物理學撤稿率的十倍，是撤稿問題最突出的學科之一。

arXiv:2511.21176v1

同一研究還統計到，過去兩年里有 2,100 起撤稿被明確認定涉及 AI 生成內容（撤稿理由包括「不通順的表達」「非常規措辭」「由大語言模型生成」等），另有 2,300 起涉及論文工廠（paper mill）——這類商業機構專門為有發表壓力的科研人員批量代寫論文，近年更是開始借助生成式 AI 自動撰寫引言和討論部分、生成可發表的圖表，把整套流程進一步產業化、規模化。

Retraction Watch 聯合創始人 Ivan Oransky 對此的判斷相當悲觀：在他看來，單靠 AI 審查工具去堵這個漏洞，類似「在泰坦尼克號上擺整齊甲板椅」。真正的解法是從根子上減少需要同行評審的論文數量，而不是指望技術修補一個已經嚴重超載的系統。

不止 AI：一個更古老問題的加速版

需要說明的是，「超級高產作者」并不是 AI 領域獨有的新鮮事。

Ioannidis 團隊最初發現的 9,000 多名超級高產作者里，近一半來自醫學與生命科學領域，原因之一是流行病學等學科習慣把一個大型數據集拆成許多篇論文陸續發表，作者也因此不斷累積署名。

也就是說，這是一個在學術評價體系里存在已久的結構性問題，AI 只是讓它變得更容易實現、也更難分辨：生成式 AI 既能幫真正的研究者提速，也能幫論文工廠批量生產看起來「像模像樣」的稿件，而審稿人往往很難在有限的時間里分辨兩者。

也因此 Midway 會說，AI 救不了同行評審：它讓審稿快了一點，卻讓投稿快了不知多少倍。

結語

超級高產作者的出現，本質上是「發表或滅亡」這套激勵機制運行到極致的產物，而 AI 既是加速器，也讓這個產物變得空前龐大和難以甄別。頂會設置的投稿上限、水印執法、AI 輔助初評，期刊端的論文工廠篩查工具，都是在同一個前提不變的情況下打的補丁：評審依然是無償的志愿勞動，而論文產出的激勵一直在加碼。

Midway 給出的藥方很樸素：正視同行評審的勞動價值，讓機構在招聘晉升中為審稿記功，讓出版商為這份勞動真正付費。對此，Midway 引用了一篇 2021 年的研究，給出過一個具體的數字：同行評審的勞動力價值在美國已經高達 15 億美元，在中國也超過 6 億美元——現在自然還會高得多。

https://pubmed.ncbi.nlm.nih.gov/34776003/

但只要「發得越多越好」的評價邏輯不變，超級高產作者就會持續涌現，審稿系統也就只能在一次次擴容和打補丁中，繼續繃著那根越來越緊的弦。