ICLR 2027: rekordowe 50 000 zgłoszeń abstraktów napędzane przez AI

Konferencja ICLR na 2027 rok zebrała już około 50 000 abstraktów – a termin nadsyłania prac mija dopiero za tydzień. Dla porównania, edycja ICLR 2026 przyjęła w sumie około 19 500 ważnych zgłoszeń. Nawet jeśli finalna liczba spadnie po odsianiu prac wycofanych i powtórnych, tegoroczny wynik i tak znacznie przebije poprzedni rok.

Skala napływu abstraktów rzuca światło na problem, który od pewnego czasu narasta w środowisku naukowym AI: generatywne modele językowe drastycznie ułatwiły produkowanie tekstów naukowych, co przekłada się na lawinowy wzrost liczby zgłaszanych prac – często o wątpliwej jakości.

Kluczowe wnioski

• ICLR 2027 odnotowało ok. 50 000 abstraktów przed terminem zgłoszeń, wobec ok. 19 500 ważnych prac w edycji 2026.
• Część autorów zgłasza prace „na wszelki wypadek”, czekając na wyniki konferencji NeurIPS i planując wycofanie zgłoszenia z ICLR, jeśli praca zostanie przyjęta gdzie indziej – więc ostateczna liczba będzie niższa, ale wciąż znacząco wyższa niż rok temu.
• Analiza NeurIPS wykazała, że autorzy intensywnie wykorzystują AI do pisania swoich zgłoszeń.
• ICLR 2026 już borykało się z niskiej jakości pracami generowanymi przez AI, w tym z fabrykowanymi cytowaniami, a recenzenci sami sięgali po AI, by nadążyć z liczbą zgłoszeń.
• Rosnąca liczba zgłoszeń grozi dalszą erozją zaufania do systemu peer review w konferencjach AI.

Skąd tak gwałtowny wzrost liczby zgłoszeń

Za falą zgłoszeń stoi kilka splecionych czynników. Ogólny hype wokół sztucznej inteligencji sprawia, że coraz więcej badaczy i instytucji chce mieć swój wkład w dyskurs naukowy. Do tego dochodzą korporacyjne wydatki na badania – w wielu firmach wynagrodzenia badaczy są w jakimś stopniu związane z liczbą publikacji, co tworzy presję na zwiększanie ich objętości.

Jednak, jak wskazuje artykuł źródłowy, największym czynnikiem jest prawdopodobnie to, że AI po prostu radykalnie przyspieszyła proces pisania prac naukowych. Analiza przeprowadzona wokół NeurIPS potwierdziła, że autorzy w dużym stopniu korzystali z narzędzi AI przy tworzeniu swoich zgłoszeń – co bezpośrednio przekłada się na możliwość generowania znacznie większej liczby prac w tym samym czasie.

Problem jakości i zaufania do recenzji

To zjawisko nie jest nowe dla ICLR. Już edycja 2026 tej konferencji zmagała się z napływem niskiej jakości zgłoszeń generowanych przez AI. Autorzy przesyłali prace pełne fabrykowanych cytowań, co samo w sobie stanowi poważne naruszenie standardów naukowych. Jednocześnie recenzenci, przytłoczeni liczbą zgłoszeń, sami zaczęli sięgać po narzędzia AI, by zdążyć z oceną prac w wyznaczonym czasie.

Ta dynamika tworzy swoisty błędny krąg: AI ułatwia tworzenie prac w masowej skali, co zwiększa obciążenie systemu recenzenckiego, a to z kolei skłania recenzentów do korzystania z AI, by nadążyć z tempem. W efekcie autorzy używający AI do pisania mogą być oceniani przez recenzentów używających AI do czytania – co stawia pod znakiem zapytania rzeczywistą wartość merytoryczną całego procesu peer review.

Z uwagi na to, że liczba zgłoszeń w tegorocznej edycji jest jeszcze wyższa niż rok temu, można oczekiwać, że skargi na jakość zgłoszeń i wiarygodność recenzji będą jeszcze głośniejsze niż wcześniej. Problem ten wpisuje się w szerszą debatę toczącą się w środowisku badawczym AI na temat weryfikacji publikacji wspieranych przez AI i sposobów odróżnienia rzetelnej pracy naukowej od masowo generowanych tekstów.

Podsumowanie

Lawina blisko 50 000 abstraktów zgłoszonych do ICLR 2027 – ponad dwa i pół razy więcej niż w poprzedniej edycji – ilustruje, jak głęboko generatywna AI zmienia praktykę publikowania w nauce. Bez zmian w sposobie weryfikacji zgłoszeń i recenzowania prac, presja na system peer review w środowisku AI może dalej narastać.