编者按： 近日，顶级人工智能学术会议NeurIPS 2025的评审结果公布，随之而来的，是如同往年一般的吐槽浪潮。然而，今年一则评审意见格外引人注目，一位审稿人竟对论文中使用的优化算法“Adam”提出质疑，引发学界广泛讨论。这起事件不仅暴露了当前学术评审体系的漏洞，也引发了关于AI评审、论文质量与数量失衡等问题的深刻反思。本文将深入剖析事件始末，探讨其背后所折射的学术生态困境。
事件回顾：“Adam是谁？”引发学界哗然
近日，人工智能领域顶级学术会议NeurIPS（神经信息处理系统大会）2025的评审结果陆续公布，如同往年，评审意见的质量参差不齐，引来了不少研究者的吐槽。然而，其中一条评审意见却以一种近乎荒诞的方式，迅速引发了学界的广泛关注和讨论。
这条“史诗级”评审意见来自一篇使用了Adam优化算法的论文。审稿人对论文中“两个架构都使用Adam优化”的描述提出了质疑，认为“Adam”可能是一个拼写错误，并质问道：“‘Adam’是谁/是什么？我认为这是一个非常严重的拼写错误，作者本应在投稿前删除。”
这条评审意见很快在社交媒体上流传开来，引发了学界一片哗然。西北大学工业工程与管理科学系助理教授、北大校友Yiping Lu在X（原Twitter）上公开了这条评审意见，迅速获得了数十万次的浏览。
学界反应：震惊、无奈与反思
这条评审意见的出现，让许多研究者感到震惊和无奈。Adam优化算法是深度学习领域最常用的优化算法之一，几乎是所有深度学习研究者的必备知识。一位审稿人竟然对Adam算法一无所知，这无疑暴露了当前学术评审体系的严重问题。
多伦多大学计算机科学系副教授Dan Roy直接在社交媒体上表达了自己的不满，称“NeurIPS评审完全是一坨”。
许多研究者也纷纷表达了自己的看法：
- 评审质量堪忧： 这起事件再次证明了当前学术评审体系的质量问题。随着AI顶会的火热，论文提交量飙升，评审压力巨大，导致评审质量难以保证。
- 评审人员水平参差不齐： 审稿人对Adam算法的无知，反映了评审人员水平的参差不齐。一些审稿人可能缺乏相关领域的专业知识，无法对论文进行有效的评估。
- AI评审的局限性： 随着AI评审的普及，人们开始反思其局限性。AI评审虽然可以提高效率，但无法完全替代人工评审，尤其是在判断论文的创新性和价值方面。
Adam优化算法：深度学习的基石
为了更好地理解这起事件的荒谬性，我们有必要简单介绍一下Adam优化算法。
Adam（Adaptive Moment Estimation）是一种自适应学习率优化算法，由Diederik P. Kingma和Jimmy Ba于2014年提出。它结合了动量梯度下降法（Momentum）和均方根传播算法（RMSProp）的优点，能够根据不同参数的梯度大小自动调整学习率，从而加速模型的收敛速度。
Adam算法具有以下优点：
- 简单易用： Adam算法的实现非常简单，只需要几行代码即可完成。
- 高效稳定： Adam算法能够快速收敛，并且对超参数的敏感度较低，具有较好的稳定性。
- 适用性广： Adam算法适用于各种深度学习模型，包括卷积神经网络（CNN）、循环神经网络（RNN）等。
由于其优越的性能，Adam算法已经成为深度学习领域最常用的优化算法之一，被广泛应用于图像识别、自然语言处理、语音识别等领域。
论文数量激增与评审质量下降：学术界的困境
“Adam是谁？”事件的背后，是当前学术界面临的一个严峻挑战：论文数量激增与评审质量下降之间的矛盾。
近年来，随着人工智能技术的快速发展，越来越多的研究者涌入这个领域，导致学术论文的数量呈爆炸式增长。以NeurIPS为例，今年的投稿量直逼3万篇，创下了历史新高。
然而，评审人员的数量并没有相应增加，导致每个审稿人需要处理的论文数量大幅增加。在高强度的评审压力下，评审质量难以保证。
此外，一些审稿人可能缺乏相关领域的专业知识，或者对最新的研究进展不够了解，导致评审意见的质量参差不齐。
这种论文数量激增与评审质量下降的矛盾，已经成为学术界的一个普遍现象，严重影响了学术研究的质量和效率。
AI评审：是救星还是帮凶？
面对日益增长的论文数量和有限的评审资源，学术界开始尝试使用AI评审来提高效率。
AI评审是指利用人工智能技术，对学术论文进行自动评估和筛选。AI评审系统通常会根据论文的主题、内容、结构、引用等信息，对论文的质量、创新性、价值等方面进行评估，并给出相应的评分或建议。
AI评审的优点在于：
- 提高效率： AI评审可以快速处理大量的论文，减轻评审人员的负担。
- 客观公正： AI评审可以避免人为因素的干扰，保证评审的客观性和公正性。
- 降低成本： AI评审可以降低评审成本，提高评审效率。
然而，AI评审也存在一些局限性：
- 缺乏创新性判断： AI评审主要依赖于已有的知识和数据，难以判断论文的创新性和潜在价值。
- 容易受到偏见影响： AI评审系统可能会受到训练数据的偏见影响，导致评审结果出现偏差。
- 无法完全替代人工评审： AI评审只能作为人工评审的辅助工具，无法完全替代人工评审。
事实上，UC伯克利博士后Xuandong Zhao表示，他感觉两年前大概有十分之一的评审感觉是AI辅助写的，现在呢？似乎十之有九的评审都是经过AI修改的，不仅包括语法修正。
“Adam是谁？”事件的出现，也引发了人们对AI评审的质疑。如果AI评审系统无法识别Adam算法，那么它又如何能够对深度学习领域的论文进行有效的评估呢？
如何应对学术评审的挑战？
面对当前学术评审体系的挑战，我们需要采取一系列措施来提高评审质量和效率：
- 增加评审人员数量： 鼓励更多的研究者参与到评审工作中来，增加评审人员的数量。
- 提高评审人员水平： 加强对评审人员的培训，提高其专业知识和评审能力。
- 完善评审机制： 建立更加完善的评审机制，包括评审标准、评审流程、评审反馈等。
- 合理利用AI评审： 将AI评审作为人工评审的辅助工具，提高评审效率，但不能完全依赖AI评审。
- 鼓励开放评审： 尝试开放评审模式，让更多的研究者参与到评审过程中来，提高评审的透明度和公正性。
- 重视论文质量而非数量： 学术界应该更加重视论文的质量，而不是一味追求论文的数量。
结语：学术生态的健康发展需要共同努力
“Adam是谁？”事件虽然是一起个案，但它却反映了当前学术评审体系的深层问题。面对日益增长的论文数量和有限的评审资源，我们需要采取一系列措施来提高评审质量和效率，维护学术生态的健康发展。
这需要学术界、研究机构、期刊编辑部、评审人员以及每一位研究者的共同努力。只有这样，我们才能保证学术研究的质量和效率，推动科学技术的进步。
同时，我们也应该对AI评审保持清醒的认识。AI评审可以作为人工评审的辅助工具，提高评审效率，但不能完全替代人工评审。在判断论文的创新性和价值方面，仍然需要依靠人工评审的智慧。
学术生态的健康发展，需要我们共同努力，共同维护。只有这样，我们才能创造一个更加公平、公正、高效的学术环境，为科学技术的进步做出更大的贡献。
Views: 0