ICML 2026史上最嚴新規:LLM不得列為作者,濫用AI直接退稿

ICML 2026史上最嚴新規:LLM不得列為作者,濫用AI直接退稿

文章圖片

ICML 2026史上最嚴新規:LLM不得列為作者,濫用AI直接退稿

文章圖片

ICML 2026史上最嚴新規:LLM不得列為作者,濫用AI直接退稿

文章圖片

ICML 2026史上最嚴新規:LLM不得列為作者,濫用AI直接退稿

文章圖片

ICML 2026史上最嚴新規:LLM不得列為作者,濫用AI直接退稿

文章圖片

編輯:桃子
【新智元導讀】ICML 2026論文可以投了 , 截止日期2026年1月28日 。 今年針對AI使用 , 組委會強調了三點:LLM不可以「署名」;嚴禁提示注入 , 否則拒稿;以及擴大AI審稿 。


ICML 2026論文征稿 , 正式開啟!
今天 , ICML組委會發布了頂會投稿的相關注意事項 , 其中有三點至關重要:

  • 已錄用論文的作者可自由選擇是否參會
  • 公開錄用論文的「原始提交版本」
  • 對互審論文數量設置上限



此外 , ICML 2026明確了 , 允許使用LLM輔助寫作或研究 , 但責任全部由作者承擔 。
其中包括 , 由AI生成且可能被認定為剽竊或學術不端的內容 。
同時 , 組委會禁止將LLM列為作者 , 嚴禁「提示詞注入」 , 否則直接退稿 。

作為第43屆國際機器學習大會 , ICML 2026將于2026年7月7日-12日在韓國首爾舉辦 。

完整論文提交截止日期:2026年1月28日 。





ICML論文征集 , 全面開啟


根據官方公告 , 所有論文將通過雙盲審稿過程進行審查 , 接受的論文將在大會上展示 。
論文必須以單一文件形式準備和提交:主論文8頁 , 參考文獻、影響聲明和附錄頁數不限 。

沒有單獨的補充材料提交截止日期 。 接受論文的最終版本 , 將允許主論文額外增加一頁 。
接下來 , 就是ICML 2026不同以往的政策變更——
1 接受論文作者的出席為可選
在接受通知后 , 作者可在指定日期前決定是否希望在大會上親自展示論文 , 或者僅希望將論文納入論文集(而不在大會上展示) 。
無論選擇哪種方式 , 所有接受的論文在論文集中將獲得同等待遇 。
它們都將有資格獲得ICML獎項 , 以及相當于過去「oral presentations」和「spotlight posters」的杰出稱號 。
對于僅納入論文集的論文 , 至少一位作者必須虛擬注冊 。
2 為接受論文發布原始提交版本 , 以及相機就緒版(camera-ready version)
對于所有接受的論文 , 除了相機就緒版外 , 還將發布以下材料:原始提交版本(包括補充材料)、匿名審稿意見、元審稿意見、反駁以及審稿人與作者討論 。
被拒稿件的作者也將有選項發布他們的原始提交版本、審稿意見、元審稿意見、反駁以及審稿人與作者討論 。
3 互審論文數量設置上限
此外 , ICML對同一人可被指定為互惠審稿人的論文數量設置上限 , 并更新關于在審稿中使用AI工具的政策 。
當然了 , ICML 2026允許提交論文的主題非常廣泛 , 包括但不限于:
  • 通用機器學習(主動學習、聚類、在線學習、排序、監督、半監督和自監督學習、時間序列分析等)
  • 深度學習(架構、生成模型、理論等)
  • 評估(方法論、元研究、可重復性和有效性、人機交互等)
  • 機器學習理論(統計學習理論、賭博機、博弈論、決策理論等)
  • 機器學習系統(改進實現和可擴展性、硬件、庫、分布式方法等)
  • 優化(凸和非凸優化、矩陣/張量方法、隨機、在線、非光滑、復合等)
  • 概率方法(貝葉斯方法、圖形模型、蒙特卡羅方法等)
  • 強化學習(決策和控制、規劃、分層強化學習、機器人學等)
  • 可信機器學習(可靠性、因果性、公平性、可解釋性、隱私、魯棒性、安全等)
  • 應用驅動的機器學習


接下來劃重點 , 重要日期和提交站點——
提交站點開放:2026年1月8日 。
摘要提交截止日期:2026年1月23日AoE(2026年1月24日 , UTC-0中午12點) 。
完整論文提交截止日期:2026年1月28日AoE(2026年1月29日 , UTC-0中午12點) 。
摘要和論文可通過OpenReview提交:https://openreview.net/group?id=ICML.cc/2026/Conference
注意:立場論文應通過單獨的OpenReview站點提交 , 如立場論文征稿中所述 。




AI可以幫你寫 , 但不能署名


在政策中 , 尤為關鍵的是生成式AI的使用規定 。
這一次 , ICML 2026允許作者使用GenAI工具 , 如大模型 , 來協助寫作或研究 。
然而 , 作者必須對其論文中的所有內容承擔全部責任 , 包括任何可能被視為剽竊或科學不當行為的AI工具生成的內容 。
  • LLM不符合作者資格;
  • 任何「提示注入」均被嚴格禁止 , 直接拒稿 。 提示注入指在論文中插入隱形文本 , 意圖操縱LLM獲得有利審稿;
  • ICML正在考慮在審稿中納入AI工具(如LLM)的各種選項 。 此外 , 不允許將審稿完全委托給AI 。


關于互惠審稿 , 合格的作者必須為ICML進行審稿 。 不過 , 有兩個要求:每篇提交要求和每位作者要求 。
每篇提交要求:
  • 所有提交必須至少有一位作者同意擔任ICML審稿人 。

指定的作者應符合同行審稿FAQ中給出的審稿資格定義 。 今年新規定:一位作者最多可以被指定為其作者的2篇提交的互惠審稿人 。
  • 例外:如果沒有作者合格(根據同行審稿FAQ中的定義) , 或者所有合格作者已經在其2篇提交上擔任互惠審稿人 , 或者擔任ICML 2026的SAC、AC或其他組織角色 , 則該提交免除此要求 。

  • 滿足此要求或聲明例外:摘要提交表格將允許提交者指定一位作者來滿足此要求 , 或表明該提交免除該要求 。

每位作者要求:
  • 此外 , 每位有4篇或更多提交的作者必須同意擔任ICML審稿人(在這種情況下 , 該作者最多可以為其2篇提交擔任互惠審稿人) 。

如果出現不可預見的合格審稿人短缺 , 程序主席可能會將閾值降低到3篇提交(如果發生這種情況 , 新受此要求約束的作者將被通知) 。
  • 例外:如果作者擔任ICML 2026的AC、SAC或其他組織角色 , 則免除此要求 。

  • 滿足此要求或聲明例外:有4篇或更多提交的作者應填寫每位作者互惠審稿表格(鏈接即將公布) , 以提供我們要求所有審稿人的信息 , 或表明他們免除該要求 。


雙盲審稿同以往 , 所有提交必須匿名化 , 并且不得包含任何意圖或后果違反雙盲審稿政策的任何信息 。
作者允許在預印本服務器如arXiv上發布其作品的版本 。 他們也允許在審稿期間就提交的作品進行演講 。
然而 , 在審稿期間 , 即從作者提交論文到傳達接受/拒絕決定的時間 , 在任何情況下都不應將該作品宣傳為ICML提交 。
如果作者在ICML決定做出前已發布或計劃發布論文的非匿名版本 , 則提交版本不得引用該非匿名版本 。
作者必須嚴格遵循同行審稿的標準道德行為 。 特別是:
  • 任何形式的剽竊均被禁止 。
  • 提示注入被禁止 。
  • 在審稿期間(如在演講中、在社交媒體上)宣傳工作為提交到ICML被禁止 。
  • 任何形式的串謀 , 無論是明確的還是默契的(作者與審稿人、AC或SAC合作以獲得有利或不利審稿)均被禁止 。


此外 , 作者不得提交與已發表、已接受發表或平行提交到其他會議或期刊的版本相同或實質相似的論文 。
此類提交違反我們的雙重提交政策 , 組織者有權拒絕此類提交 , 或將其從論文集中移除 。
任何具有重疊作者集的并發ICML提交也將被視為先前工作 , 例如 , 如果發布其中一篇會使另一篇過于增量 , 則這可能被視為拒絕的理由 。
審稿標準要求 , 提交應報告對機器學習社區具有重大意義的原創且嚴謹的研究 。
所有聲明必須明確陳述 , 并通過可重復的實驗和/或可靠的理論分析支持 。
貢獻必須置于更廣泛的科學和機器學習研究文獻的背景下 , 適當承認并區分相關先前工作 。
參考資料:
【ICML 2026史上最嚴新規:LLM不得列為作者,濫用AI直接退稿】https://x.com/icmlconf/status/1986089104367308805
https://icml.cc/Conferences/2026/CallForPapers

    推薦閱讀