llm真是把审稿人害惨了！neurips 2025评审结果公，全网都被「谁是adam」爆梗淹没。更离谱的是，有人的审稿建议中，残留了ai提示的痕迹。
这几天，NeurIPS 2025的评审结果，陆续出炉了！
让人措不及防的是，「Who's Adam」明晃晃地出现在了一位作者的审稿建议中，成为近来学术圈最大的笑柄。
究竟是大模型不懂，还是审稿人疏忽了？
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
这么低级的错误，让AI圈内人直呼：离了大谱！
网友辣评：审稿人会使用LLM，你就偷着乐吧；如果不使用GPT审稿，他们可能连领域内的基本常识都不了解！
「Who's Adam」依旧在发酵的同时，NeurIPS还有更离谱的事发生了。
得克萨斯农工大学计算机系任助理教授涂正中（Zhengzhong Tu）称，自己的审稿建议中，提示词没有删干净。
不过，研究科学家Damien Teney表示可能只是复制错地方了。
研究LLM迁移学习的博士生Dylan也发现自己提交的论文，可能没有被认真对待。
审稿人只是让AI总结了内容，并做了接收与否的决定。
或许，是时候该反思学术界的游戏规则了。
NeurIPS评审爆猛料，全网吵翻了
这届NeurIPS评审，全网吐槽满天飞。
近年来，论文评审的质量一直在下降。原因主要有两种：
其一是，论文数量的增加，大模型加速迭代，协助研究者、初创公司撰写论文，产出效率大增。
其次，优秀的研究人员更专注于模型开发和创业，而非论文评审。
正因如此，才闹出了「Adam是谁」的大笑话。
在AI领域，Adam是深度学习中最常见的优化方法之一，论文被引次数高达220991。
对此，著名机器学习研究员Dan Roy张口大骂，「NeurIPS评审现如今就是垃圾」！
从事AI系统工作的Hanchen Li开玩笑：是不是英文名改成Adam，明年就能被NeurIPS引用了？
审稿人告急，还有DDL
另一方面，能够出现如此荒谬的评审，还与NeurIPS的规定相关——
参与审稿的AI研究员必须在截止日期前完成，否则他们自己的论文直接被NeurIPS拒掉。
有的人就是赶在DDL前，匆忙审稿。
由于审稿人手不够，今年，NeurIPS组委会亲自招募更多的审稿人。
纽约大学助理教授Ravid Shwartz Ziv嘲讽道，「NeurIPS真正的创新之处：领域主席们（AC）在不知不觉中运营着史上最大规模的LLM基准评测」。
另一位网友吐槽道，这是NeurIPS评审的新低点。
会议审稿质量在下降，这大家都知道，但这次NeurIPS评审太离谱了。
Vlad Lialin看到一条神评论：「什么是前向传播」。他认为如果不解决审稿问题，那NeurIPS论文将毫无可行度，跟无人评审的论文没什么两样。
高级机器学习工程师、Keras 3合作者Aakash Kumar Nain表示如果不对认真处理类似问题，他以后不会对学术会议的质量抱有任何希望。
一位亚马逊工程师挖出了，2015年Hinton和谷歌团队一篇关于「蒸馏」技术被NeurIPS拒收的论文。
而如今，「蒸馏」成为当前最火的训练策略。Distilling the Knowledge in a Neural Network这篇被引数超26000次。
基于计算机视觉和大语言模型，对图像内容进行开放式问答，支持任意问题获得自然语言回答。
从事多模态研究的Weijian Luo，在NeurIPS 2023上发表了学术生涯中的前4篇论文。
NeurIPS这对他意义重大，但这次的审稿质量之低令他沮丧。
他表示是时候认真解决文章评审问题了。
微软研究员Sahar Abdelnabi称NeurIPS的评审意见充满敌意、毫无根据、完全不具建设性，比用LLM生成评审意见还要糟糕。
她建议NeurIPS学习安全会议，加入善意评审指南。
审稿人和作者，双双糊弄？
评审结果不尽人意，你以为只是审稿人的问题吗？
有的研究人员需要一个亮眼的成绩单，利用LLM大量产出论文，何尝不是一大问题呢？
有审稿人爆料称，「自己审了5篇论文，体验简直糟糕透顶」。
第一篇明显是LLM生成的。篇幅过短，参考文献失效，既无实验也无理论支撑，还充斥大量低级错误。越读越觉得不知所云
有两篇根本是同一篇论文！有人把相同内容改了两个标题重复投稿
其中一篇略有新意，但使用了奇怪的数据集——后来发现完全是他们公司内部未公开的私有数据，完全无法复现结果
只有最后一篇还算像样
研究过AI+经济的Affaan Mustafa，对学界发生到底发生了什么，非常疑惑。
一方面，为了获得好评，投稿论文注入了系统提示词；另一方面，NeurIPS使用系统提示词来审稿并为论文打分。
这两端都充满了AI生成的垃圾内容。
Rebuttal最佳指南
不论是什么结果，评审意见出了之后，下一步就是Rebuttal阶段了。
那么，作者们如何做，能够为自己赢回更多的胜率呢？
此前，AI初创CEO Devi Parikh写过一篇指南，提供了18种技巧，涉及的案例非常丰富，属于必收藏的系列。
接下来，一起看看都有哪些能实际帮助到的Rebuttal策略吧。
1. 逐条列出审稿人意见
用一个顺手的电子表格来整理每位审稿人提出的具体评论、问题或疑虑。
将所有内容并列一处，有助于我们识别共同关注点，并避免意外遗漏。请尽快完成这一步，以便及早确定是否需要进行新的实验（如果会议允许）或分析。
2. 集思广益，罗列可能的回应
在表格中为每位作者预留一列，用于回应各审稿人的意见。在此处用草稿形式写下所有想法，无需顾及文采或篇幅。说服力和简洁性是通过做减法来实现的。
3. 撰写Rebuttal草稿
将表格中达成的共识，转化为Rebuttal草稿中的具体回应。写作时力求简洁，但暂时不必担心篇幅限制。要覆盖到每一个要点，删减和调整优先级可以留到后面处理。
4. 审查和修改
重读最初的审稿意见和你们整理的表格，确保所有问题都得到了回应。优先处理主要的疑虑，并着手删改以满足篇幅要求。
鉴于此，我们必须清楚，是为谁而写，目标又是什么。
审稿人和领域主席（AC），是最主要的目标。
对于审稿人：澄清疑虑、回答问题、纠正误解、Rebuttal不准确的评价，并真诚地努力采纳反馈、改进你的工作。
对于AC：说服他们你已做出真诚的努力；呈现一份有代表性的审稿意见摘要；帮助他们判断审稿人的疑虑是否已得到解决；指出不公正的审稿行为；并最终，帮助他们做出决定。
根据作者的经验，研究界的大多数新成员只关注（1），而忽略了（2），下面是一个实操案例：
一定要开门见山。
首先对评审意见进行总结性概述，重点突出审稿人对个人工作的积极评价。
虽然Rebuttal主要针对需要回应的负面意见，但切勿让评审委员会在审阅过程中忽略研究的优势。
本文来源：新智元
