--- area: "society-thinking" category: general date: '2025-12-08' draft: true guest: '' insight: '' layout: post.njk media_books: - Telegram - Reddit - X - reviewer-ring products_models: - ChatGPT - Claude project: [] series: '' source: https://www.youtube.com/watch?v=xx2jfGBJAy0 speaker: Best Partners TV status: evergreen summary: 2025年感恩节，AI顶级会议ICLR 2026遭遇史无前例的泄露门。短短61分钟内，OpenReview平台漏洞导致数万篇论文的作者、审稿人身份及评审意见被曝光。此次事件不仅撕碎了双盲评审的遮羞布，更揭露了AI代笔审稿、金钱贿赂、学术报复及审稿人圈子等学术圈的黑暗面。本文将深入剖析这场危机，探讨其对AI学术诚信和同行评审体系的深远影响，以及我们如何重建信任。 tags: - academic-integrity - iclr-leak - llm - system title: AI顶会ICLR泄露门：61分钟学术信任危机与评审体系崩塌始末 --- ### 序言：一场颠覆学术信仰的泄露门 2025年11月27日，西方传统的感恩节，本应是家人团聚、表达感谢的日子。然而，对于全球数万名向AI顶级会议**ICLR**（International Conference on Learning Representations: 国际学习表征会议）2026提交论文的研究者来说，这一天却成了学术信仰的崩塌日。一场史无前例的泄露门突然爆发，短短61分钟，整个同行评审体系的双盲遮羞布被撕得粉碎。从审稿人身份裸奔到AI代笔审稿曝光，再到金钱贿赂、人身威胁，AI学术圈最荒诞、最黑暗的一面被赤裸裸地展现在所有人面前。今天，我们将从头到尾拆解这场AI学术史上最魔幻的61分钟，看看这场事故到底如何发生，又暴露了学术圈哪些积重难返的问题。 ### OpenReview：开放评审的初衷与低级漏洞 在聊漏洞之前，我们需要先介绍一个平台——**OpenReview**（一个承载全球绝大多数AI顶级会议论文评审的核心基础设施）。如果你是AI领域的研究者，对这个平台一定不陌生。它是承载了全球绝大多数AI顶级会议论文评审的核心基础设施，像我们常说的AI三大顶会**ICLR**、**NeurIPS**（Neural Information Processing Systems: 神经信息处理系统大会）、**ICML**（International Conference on Machine Learning: 国际机器学习大会），还有自然语言处理领域的**ACL**（Association for Computational Linguistics: 计算语言学协会）、计算机视觉领域的**CVPR**（Computer Vision and Pattern Recognition: 计算机视觉与模式识别会议）部分评审流程，都依赖OpenReview来实现。 OpenReview的初衷其实很好，它想打破传统学术评审的黑箱。以前审稿人是谁、评审意见怎么来，作者往往只能被动接受。而OpenReview希望通过开放评审让过程更加透明，甚至允许社区参与讨论。但是谁也没想到，11月27日这天，它的开放变成了毫无底线的门户大开。问题就出在一个叫`profiles/search`的**API**（Application Programming Interface: 应用程序编程接口）接口上。可能有观众会问，API漏洞不是很常见吗？但是这次的漏洞低级到让人震惊。 在正常的软件工程逻辑里，涉及用户身份、评审信息这种敏感数据的接口，必须经过严格的权限验证。比如，我作为作者，登录后只能看到自己的论文投稿状态；我作为审稿人，只能看到分配给我的那几篇论文；而且在双盲评审阶段，绝对不能看到作者的名字和机构。但是OpenReview的后端，偏偏忘了加这道锁。这种漏洞在技术上有个专业名词，叫**BOLA**（Broken Object Level Authorization: 对象级授权失效），它是**OWASP**（Open Web Application Security Project: 开放式Web应用程序安全项目）列出的API安全漏洞里排名第一的类型，也是最容易被忽略、但是破坏力极强的低级错误。 简单说，就是系统判断你能不能访问某个数据，只看你输入的URL参数对不对，而不看你是谁、有没有权限。具体怎么操作呢？你不需要黑客技术，不需要复杂的渗透工具，甚至不用破解数据库密码。你只要拿到某篇论文的投稿ID，然后修改API请求里的参数。想查作者，就把参数改成`Submission{论文ID}/Authors`，系统会直接返回所有作者的姓名、个人邮箱、所属机构，甚至连他们的个人履历、**ORCID**（Open Researcher and Contributor ID: 学者唯一标识符）以及**DBLP**（Digital Bibliography & Library Project: 计算机科学文献数据库）论文数据库的链接都能调出来。想查审稿人，就改成`Submission{论文ID}/Reviewer_{k}`，其中`k`是审稿人的序号，这样审稿人的身份信息、还没正式发出的拒稿理由，就全都会暴露。想查负责统筹的**AC**（Area Chair: 领域主席，负责统筹审稿意见和录用建议），改成`Submission{论文ID}/Area_Chair_{k}`就行。这就像你住酒店，发现只要把房卡上的房间号101用马克笔改成102，就能直接刷开隔壁的门，显然，这不是技术多高明，而是系统的基础安全逻辑根本就没有设防。而就是这样一个低级漏洞，给整个AI学术圈埋下了一颗定时炸弹。 ### 61分钟惊魂：数据泄露与学术“黑暗森林” 根据ICLR组委会后来发布的官方报告，我们能精准还原这场61分钟惊魂的每一个节点。而这短短的一个多小时，足以让ICLR 2026的评审体系彻底失控。一切始于2025年11月27日美东时间上午10:09（北京时间晚上23:09），ICLR的工作流主席首先发现了OpenReview的这个漏洞，意识到它会泄露作者、审稿人和AC的核心信息，于是第一时间通知了OpenReview团队。OpenReview的反应不算慢，在美东时间11:10，也就是1小时1分钟后，就修复了这个漏洞。看起来，从发现到修复只用了一个小时，算是快速响应了吧。但是在互联网时代，一个小时足以让所有敏感数据飞遍全网。 就在漏洞存在的这61分钟里，已经有人写出了简单的爬虫脚本，疯狂抓取平台上的评审数据。到了美东时间12:09，也就是漏洞修复后不到20分钟，ICLR团队就收到消息，一份包含10000篇ICLR投稿论文的详细数据集，已经开始在互联网上流传。从**Telegram**的私密群组，到**Reddit**的机器学习板块，甚至有人把数据片段发到了**X**上。这份数据集还不是简单的论文标题+作者列表，它更像一张庞大的学术关系网。每篇论文的作者是谁、来自哪个机构，分配了3位还是4位审稿人，每位审稿人给了多少分，审稿人的评论里哪些是表扬、哪些是尖锐批评，甚至哪些是阴阳怪气的暗示，负责最终决策的AC是谁，有没有在后台留下初步的判断意见，所有这些本应严格保密的信息，全被扒了出来，摊在阳光下。 而另一边，很多被不负责任的审稿人折磨过的作者，却陷入了一种狂欢。有位博士生投稿的论文，被审稿人以缺乏创新为由打了低分。他一直怀疑审稿人根本没看懂自己的工作。结果通过泄露数据查到，这位审稿人自己连一篇AI顶会论文都没发表过。他发帖吐槽：“终于知道是谁在胡说八道了！这就是现世报！”很快，一个调侃ICLR的梗在学术圈传开了：ICLR不再是“国际表征学习大会”的缩写，而是变成了“I Can Locate Reviewer”（我能定位审稿人）。这个梗背后，藏着的是整个学术圈对现有评审机制积压已久的愤怒与无奈。双盲评审本应是公平的底线，却因为一个低级漏洞，彻底失效了。 如果事情只停留在大家知道了彼此是谁，或许最多只是尴尬一阵子。但是当顶会论文和毕业、找工作、拿绿卡、升职加薪这些切身利益挂钩时，人性的弱点被无限放大。学术圈很快陷入了“黑暗森林”，每个人都可能是猎人，也可能是猎物。ICLR组委会在后续的声明里，披露了很多让人不寒而栗的细节。漏洞爆发后的24小时内，大规模的串通行为开始浮出水面，手段直白到粗暴。 第一种是直接公关。有作者拿到审稿人名单后，不再掩饰，直接发邮件给审稿人：“李博士或者王教授，您好，看到您是我这篇论文的审稿人，我对您之前的某篇研究非常敬佩，不知道您对我论文里的某个细节有没有疑问？我可以补充说明。”看似客气，实则是暗示对方高抬贵手。更直接的，甚至会说：“如果您这次能支持我的论文，下次您的工作如果落到我手里，我一定认真对待。”这本质上是互保的默契。 第二种更恶劣，是金钱贿赂。ICLR的调查发现，有第三方人员，既不是作者也不是审稿人主动介入。他们像学术掮客一样，拿着泄露的审稿人名单，联系审稿人开出条件：“只要你把这篇论文的评分从3分提到7分，我可以给你5000美元的咨询费。”这种行为已经不是学术不端了，而是赤裸裸的腐败，甚至可能触犯法律。 比贿赂更可怕的是报复。有作者通过泄露数据发现，给自己论文打低分的审稿人，竟然来自竞争对手的实验室，而且这位审稿人自己也投了一篇主题相似的论文。很明显，对方是故意打低分，想压低竞争对手的论文。以前这种恶意差评因为双盲，只能靠猜测，没有实锤，但是现在，审稿人的IP、名字、机构全在数据里，证据确凿。更极端的情况发生在美东时间11月28日凌晨5:30，ICLR团队发现有个恶意用户用自动化脚本，在600多篇论文的公开评论区里，直接点名曝光审稿人身份。这种行为无异于网络开盒，很多审稿人因为给了热门论文差评，被作者的粉丝或利益相关者骚扰。有人收到辱骂邮件，有人的社交账号被网暴，甚至有人的家庭住址被扒出来，收到威胁信息。学术圈本该是追求真理、理性讨论的地方，但是在利益和情绪的裹挟下，却变成了互相攻击的角斗场。 ### ICLR的艰难自救：冻结、回滚与严惩 为了保住ICLR的公信力，组委会在短短几天内推出了一套组合拳，每一步都很痛苦，但别无选择。 第一步是冻结讨论。美东时间11月27日下午4:30，ICLR宣布冻结所有评审表格的编辑功能，同时关闭论文的公开评论区。因为当时每一句讨论，都可能带着场外的威胁或利诱，继续开放只会让混乱加剧。冻结讨论虽然能遏制恶意行为，但是也让很多有价值的学术辩论被迫中断。 第二步是分数回滚。组委会决定，将所有审稿意见和评分回滚到漏洞爆发前的状态，也就是美东时间11月27日10:09之前。这意味着任何在漏洞泄露期间修改的分数，全部作废。这么做是为了确保评审意见的纯净性，但是也带来了问题：有些审稿人在泄露前已经开始修改意见，补充了更多细节，回滚后这些工作全白费了，只能重新来。 第三步是重新分配AC。领域主席（AC）是评审的核心角色，他们负责汇总审稿意见，给出最终的录用建议。但是漏洞泄露后，原来的AC身份已经暴露，可能会被作者或利益方干扰，无法保持中立。所以ICLR决定给所有论文重新分配新的AC。这意味着之前AC对论文的了解、和审稿人的沟通，全要归零。新的AC需要在极短的时间内重新阅读几十篇论文，工作量直接翻倍。很多AC在私下抱怨，本来年底就忙，现在还要额外处理这么多工作，根本来不及。 第四步是严厉惩罚。对于那些利用泄露数据串通、贿赂、骚扰他人的人，ICLR祭出了最狠的手段：涉事的论文直接**desk reject**（直接拒稿: 无需经过完整评审，直接拒绝论文），而且涉事人员会被ICLR永久或多学年封杀，未来3-5年不能投稿，也不能参与评审。同时，传播泄露数据的始作俑者，已经被OpenReview和ICLR联合封禁。组委会还表示会联系多国执法机构，追究相关人员的法律责任。 这套措施确实暂时稳住了局面，但是也让ICLR 2026的评审进度严重滞后。组委会原本计划在2026年1月26日前发布录用通知，为了赶上这个时间，新AC的metareview期限被延长到1月6日，而且AC被分成三人一组，遇到难判断的案例要集体讨论。即便如此，很多AC还是坦言压力巨大，只能牺牲休息时间赶进度。ICLR的无奈在于，不这么做，整个会议的公信力会彻底崩塌；这么做，又会给无辜的作者和审稿人带来巨大的麻烦。 ### AI代笔审稿：学术诚信的又一重击 但是这场危机还没结束。就在大家忙着处理身份泄露的混乱时，一家AI检测公司的报告，又给了学术圈一记更响亮的耳光。这家公司叫**Pangram Labs**（一家专注于AI文本检测的公司），CEO是麦克斯·斯佩罗（Max Spero）。在ICLR数据泄露后，麦克斯·斯佩罗团队做了一个大胆的决定：既然泄露的数据已经在流传，不如用它来分析一下AI在学术评审中的渗透情况。他们花了12个小时，扫描了ICLR 2026的19490篇投稿论文，以及75800条同行评审意见。结果让整个学术圈头皮发麻，这可能是AI历史上最讽刺的一幕。 根据Pangram Labs发布的报告，核心发现有三个： 第一，21%的审稿意见是完全由AI生成的，也就是审稿人没写一个字，全靠**ChatGPT**（OpenAI开发的大型语言模型）、**Claude**（Anthropic开发的大型语言模型）这些工具生成。 第二，超过50%的审稿意见有AI参与的痕迹，比如用AI润色语言、补充逻辑，或者直接借鉴AI生成的框架。 第三，1%的投稿论文，也就是199篇是完全AI生成的，作者可能只是把想法输入给大模型，让AI写完整篇论文，自己连实验数据都没验证。 更让人心惊的是，Pangram Labs为了验证数据准确性，还拿ICLR 2022的评审意见做了基线测试。因为2022年ChatGPT还没推出，理论上不会有AI生成的审稿意见。结果显示，ICLR 2022的审稿意见里，完全AI生成的比例是0；轻度AI编辑的误报率只有千分之一，中度是五千分之一，重度是万分之一。这说明，2026年的21%AI审稿率，不是检测工具的误判，而是真实存在的情况。 那么，这些AI生成的审稿意见有什么特征呢？Pangram Labs总结了几个典型的表现： 第一种是毫无意义的漂亮话。比如开篇就说“本文结构清晰，研究方向有价值，具有一定的创新性”，但是后面完全没说结构怎么清晰、创新点在哪里，全是万金油式的夸赞。 第二种是幻觉引用。AI会一本正经地建议作者引用某某教授2024年在NeurIPS上发表的论文，认为该研究在相似问题上提出了更优的解决方案，甚至会给出论文的页码。但是作者去Google Scholar或DBLP上一搜，根本没有这篇论文。 第三种是车轱辘话。AI会把论文摘要里的内容换个说法重复一遍。 第四种是奇怪的详细程度。比如AI会花几百字批评论文里一个标点符号的错误，或者纠结参考文献的格式不对，但是对论文核心算法的逻辑漏洞、实验数据的真实性视而不见。 最讽刺的案例来自哥本哈根大学的德斯蒙德·埃利奥特（Desmond Elliott）教授。他的学生收到了一条AI生成的评审意见，意见里不仅对论文的核心贡献理解错误，还编造了两个不存在的前人研究让学生引用，最后给了一个模棱两可的分数。这种分数最折磨人，既不拒稿也不录用，却会消耗AC大量的精力去判断。 看到这里，可能有观众会问，这些审稿人为什么要用AI写评审意见？是他们没有职业道德吗？其实不完全是个人问题，而是整个学术评审系统产能过剩的必然结果。我们看一组数据：ICLR 2024年收到大约7000篇投稿，2025年涨到11000篇，2026年直接飙升到19490篇。投稿量几乎是指数级增长，但是合格的审稿人数量并没有同步增加，甚至因为AI领域竞争激烈，很多审稿人自己还要写论文、做实验、跑项目，时间根本不够用。这时候，ChatGPT就成了救命稻草，把论文PDF上传，输入提示词“帮我写一篇500字的评审意见，语气专业，指出3个潜在问题”，几秒钟就能完成任务。21%的AI审稿率，反映的不是审稿人的懒惰，而是整个同行评审系统在AI时代的崩溃前兆。我们生产论文的速度，已经远远超过了我们阅读、评估论文的速度。 ### 审稿人圈子与引文联盟：学术圈的阴暗面 而更可怕的是，这次泄露事件还顺藤摸瓜，暴露了学术圈另一个长期存在的阴暗面——**审稿人圈子**（Reviewer Rings: 学术界中少数研究者结成同盟，互相抬高评分或压制竞争对手的行为）和**引文联盟**（Citation Cartels: 学术界中少数研究者互相引用论文，人为制造高引用量的行为）的操作。简单说，就是一群研究者结成同盟，如果你是圈子里的人，不管你的论文写得怎么样，我作为审稿人都会给的高分；如果是圈子外的人，尤其是竞争对手，就鸡蛋里挑骨头，直接拒稿。更隐蔽的操作是引文交换：“我给你过稿，但你必须在论文里引用我指定的5篇论文。”要知道，学术圈衡量学者水平的核心指标，就是引用量（Citation）和顶会发表量。通过这种方式，一群平庸的研究者能人为制造出学术明星的假象。 这种抱团行为不是第一次出现，也不是AI圈独有。比如计算机体系结构领域的**SIGARCH**（Special Interest Group on Computer Architecture: 计算机体系结构领域的专业组织）会议，曾经爆发过著名的引文联盟丑闻；计算机视觉顶会CVPR也出过类似问题。但是以前这些抱团行为，大多是怀疑，缺乏实锤。而ICLR这次的泄露数据，给了铁证。比如有一篇论文，实验设计有明显的漏洞，结果三位审稿人全给了8分以上的高分。再看审稿人信息，发现他们和作者都是同一个导师带出来的同门。OpenReview的漏洞，无意间充当了揭穿皇帝新衣的小孩。它让我们看到，在公平、公正、双盲的学术规则下，藏着多少人情世故和利益交换。这也让所有人不得不面对一个更尖锐的问题：我们花这么多时间、精力做评审，到底是在评估论文的质量，还是在评估作者的圈子？ ### 结语：重建AI学术信任的契机 这场ICLR泄露门，本质上不是一个简单的技术事故，而是AI学术圈长期积累的矛盾的总爆发。双盲评审机制的脆弱性、审稿人资源的不足、AI对学术诚信的冲击、学术圈的利益抱团，每一个问题都在挑战着学术研究的初心。现在回头看，其实早有预兆。比如在2025年8月的NeurIPS审稿期间，有位审稿人在评审意见里忘了删除给AI的提示词，直接留下了“Who is Adam?”的评语。后来大家才知道，他在让AI帮忙写评审时，遇到了**Adam优化器**（一种常用的深度学习优化算法）的术语，不知道怎么解释，就问了AI一句，结果把问题和答案一起复制进了评审意见。当时大家只是当笑话看，但是现在结合ICLR的事件才发现，AI审稿可能早就不是个别现象了。 应该说，AI学术圈的发展，离不开信任二字。包括作者信任评审的公平，审稿人信任匿名的保护，以及整个社区信任学术的纯粹。这场ICLR泄露门虽然惨痛，但是也给了我们一个刮骨疗毒的机会。只有正视问题，解决问题，才能让AI研究回归追求真理、推动技术进步的初心。最后，我想说，学术研究不是一场比赛，不是谁发表的论文多、谁的引用高，谁就赢了。真正的赢，是你做的研究，能让这个世界变得更好一点。希望这场风波之后，AI学术圈能少一些浮躁，多一些踏实；少一些利益，多一些纯粹。