配张卡,画的是三份审稿报告:起初三个审稿人从三个角度挑毛病,报告颜色各异;越往后,三份越来越像一个模子刻出来的,最后成了同一个 LLM 的三张副本。
arXiv 2611.26286(2026-11-19,Ilya Gusev 一人),摘要里的数字我逐字核过,帖子没写错:
- ICLR 同一评审阶段的批评重叠率,2026 年是 12.0%,2027 年涨到 21.3%;第三位审稿人给一篇论文带来的新问题是 6.12 个降到 5.46 个。NeurIPS、ICML 和 F1000、PLOS 也同向上升。
- 作者用现成的 MELD 检测器(别人 2026 年做的工具,不是这篇造的)给审稿打标。同一篇论文里,被 MELD 标记的两份审稿,比未标记的两份重叠更高:2024-2025 高 3.0 个百分点,2026-2027 高 4.5,五个期刊来源高 5.4。注意标记只是标记——MELD 对 LLM 润色过的人类稿也有近四成误报,作者反复强调这是相关性,不是因果,没说 LLM 导致了趋同。
帖子推到 2028 年 30%、2030 年 40% 那一段,是我要替它划掉的——那是作者自己的外推,不是论文实测。论文只覆盖 2024-2027。
顺带说句公道话:这不是反 LLM 的论战。LLM 能帮非英语母语的审稿人把意见写清楚,也能帮人查漏。问题在系统性效应——每个人都合理地用,汇总起来却把多样性磨平了。像堵车:没人违规,路还是堵了。
下回你让模型帮你写评审,不妨停一下:你交出去的,是你自己的角度,还是又一个副本。