两位审稿人今夏审阅22篇论文，发现68%存在完全虚构的引用、作者列表或明显由AI生成的内容，包括幻觉术语和无关引用。他们抱怨这是浪费时间，并发布了用于检测此类问题的工具。

好的，这是根据您的要求，对原文主要内容进行的中文重述，已保留关键细节并删减了与主题无关的内容。

标题：来自“AI垃圾稿件”前线的问答——地理空间机器学习领域的审稿困境

核心问题：AI生成的虚假内容正在严重污染学术评审流程。

两位审稿人（Caleb和Isaac）在2025年夏季为NeurIPS、WACV和TerraBytes等会议/研讨会审阅了22篇论文。他们发现，其中高达68%（15篇）的稿件存在完全捏造的引用、为真实论文编造作者名单，或明显由大语言模型（LLM）生成（例如，充斥着幻觉技术术语、无意义的文字和不相关的引用）。

问题规模：

• 普遍性： 这不是个别现象。一项《自然》杂志的分析发现，2025年至少有数万篇出版物“可能”包含无效的AI生成参考文献。另一项针对arXiv等预印本平台的审计估计，仅2025年一年就存在约14.69万个幻觉引用。
• 未被发现： 审稿过程未能有效拦截这些问题。一项追踪研究发现，85.3%的幻觉引用在预印本发表后依然存在。《柳叶刀》的一项审计显示，在两年内，至少包含一个捏造参考文献的论文比例从1/2828飙升至1/458，到2026年初更是达到1/277。
• 双向污染： 不仅论文本身，审稿意见也大量使用AI。有分析发现，21%的ICLR审稿意见完全由AI生成，超过一半的审稿有AI参与。ICML 2026通过“提示注入”测试发现，约1%的审稿意见违反了禁止使用LLM的规定。

审稿人的亲身经历与愤怒：

• Caleb： 审了11篇，其中5篇有捏造的引用。有论文的参考文献[1]（即第一条）就列出了真实论文的虚构作者。还有一篇53页的论文充斥着幻觉术语，毫无审阅价值。
• Isaac： 审了11篇，其中9篇（82%）有问题。最糟糕的经历是，他指出了两篇论文存在捏造作者的问题并建议拒稿，但这两篇论文最终竟被接收为口头报告，条件仅仅是“修正幻觉引用”。这让他感到荒谬。

识别AI生成论文的“三大特征”：

1. 语言模式： 使用LLM的惯用句式（如“不是X，而是Y”），滥用粗体、破折号和分号。
2. 数据矛盾： 正文中描述的性能指标与表格中的数据不一致，这通常是作者使用AI写作后未更新结果所致。
3. 内容空洞： 讨论部分只是机械地复述表格中的指标，缺乏原创性思考。

审稿人的应对与反思：

• 工作流程改变： 两人现在都会在阅读摘要后立即检查参考文献。Isaac表示，他现在默认假设大多数论文是“恶意提交”的，花费大量时间寻找AI痕迹，这让他感到疲惫。
• 对LLM使用的态度： 他们并不反对使用LLM辅助写作，但强调作者必须亲自、彻底地审阅和修改AI生成的内容，确保其准确性和原创性。使用LLM的关键在于“驾驭它”，而不是“被它驾驭”。
• 责任归属： 作者、导师、会议组织者都有责任。作者不应提交低质量稿件；导师应阻止学生这样做；会议需要建立有效的“直接拒稿”机制，而不是让审稿人承担本应由编辑完成的筛选工作。

解决方案：发布开源工具bib-audit

为了应对捏造引用的问题，两位作者开发并发布了一个名为bib-audit的MIT许可开源工具。该工具可以：

• 自动审计参考文献： 将论文的参考文献与Crossref、arXiv、DataCite、Semantic Scholar等权威数据库进行逐字段比对。
• 检测各类问题： 能够发现不存在的论文、捏造的DOI或作者、真实论文的错误元数据（如作者名单被截断）以及格式错误。
• 使用方式： 可作为Claude Code的技能安装，或通过npx命令集成到其他AI编码工具中。作者建议在提交论文前自行运行该工具进行自查。

重要警告： 审稿人在使用此类工具时，必须注意所在会议关于LLM使用的政策，因为该工具需要将论文的部分内容发送给托管LLM进行处理，这可能违反某些会议的保密规定。

结论： 学术出版正面临AI生成“垃圾稿件”的严峻挑战，这不仅浪费了审稿人的宝贵时间，也侵蚀了学术评审的诚信基础。需要作者、审稿人和会议组织者共同努力，建立更有效的筛选和应对机制。

根据评论内容，主要观点和论据如下：

观点一：AI正在全面渗透学术出版流程（评分：None，作者：nneonneo） - 论文由AI撰写、AI审稿、AI阅读总结，人类正被快速排除在学术出版循环之外。 - 关键引用："papers are written by AI... papers are reviewed by AI... papers are read, summarized and digested by AI" - "We are very rapidly automating humans out of the academic publication loop here."

观点二：学术开放性问题加剧了AI滥用（评分：None，作者：dghlsakjg） - 若论文不被期刊“门禁”，验证引用和引文存在将变得简单。 - 关键引用："If all these papers were not gatekept by journals, it would be trivially easy to validate..."

观点三：AI生成内容应被视为抄袭（评分：None，作者：DarkUranium） - 应给予类似抄袭的后果，但可能只是理想。 - 关键引用："I feel like this should be treated as, and have consequences similar to, plagiarism."

观点四：AI生成论文被接受引发担忧（评分：None，作者：tolugenius） - 即使论文存在虚构引用，仍被有条件接受，这为侥幸逃脱树立先例。 - 关键引用："if even one paper with such an error is accepted it sets the precedent you hopefully get lucky to not get caught"

观点五：对使用AI起草论文的质疑（评分：None，作者：jsw97） - 作者表示从未想过用LLM起草，认为那是学生行为。 - 关键引用："My voice is my voice and it's literally never occurred to me to have an LLM do a first draft."

观点六：AI内容激增将催生验证工具需求（评分：None，作者：jeffmanu） - 认为Eversaid.co等工具将因AI生成内容爆发而更有用。 - 关键引用："This is why Eversaid.co is going to be even more useful as ai generated content explodes."

总结：评论者普遍担忧AI在学术出版中的滥用，认为其正在取代人类角色、破坏学术诚信，并呼吁加强验证与问责。同时，也有观点指出学术开放性问题加剧了此现象，而AI内容激增可能催生新的验证工具。