「许多顶级实验室的人现在几乎不读论文了，而且他们认为 ICLR/ICML/NeurIPS 充斥着大量过度宣传和欺诈。」

OpenAI 研究员 Keller Jordan 这条推文引发了广泛讨论。他不是在说风凉话，他是说出了一个圈内人尽皆知但很少公开捅破的事实。

Jordan 随后补充了一句软化声明：「我不认为这些会议上大部分论文都在过度宣传或造假。问题是，作为读者，如果你筛选出那些看起来最令人兴奋的论文，那它们大部分都是过度宣传的。」

这才是真正的痛点。不是所有论文都有问题，是最吸引眼球的那批论文最有问题。

他引用的帖子来自 Mathew Shen，一位 ICLR 2026 的读者：「看了篇 ICLR2026 的论文，怎么也想不到效果为什么那么好，正好代码开源了，一看是用测试集标签选参数...这就是顶会吗。」

这个例子很具体。用测试集标签选参数，在机器学习入门课上就该被扣分。但它出现在顶会论文里。

这条推文评论区引出了一群行业内部的人。

Alex Peysakhovich 的评论最尖锐：「所有学科的学术论文都这样，只是在 CS/ML 领域更明显——因为代码被强制开源，我们可以尝试复现。其他学科用'数据可应要求提供'来掩盖。」

will depue 说得更直接：「大多数论文感觉只是在为招聘目的做 cargo cult research，非常令人失望。」

Fleetwood 点出了制度问题：「激励机制完全错了。他们不是在试图创造新知识。」

L 提供了一个视角：「我把它看作学生项目，类似于课程项目。对评估学生比直接贡献世界更有用。会有很多错误。」

Stella Biderman 表达了不同意见，认为这不只是顶级实验室的问题，而是整个领域的问题：「不管在哪里工作，这个说法对领域领导者都是正确的。」

Keller Jordan 的原帖和评论区讨论，其实指向了三个互相缠绕的问题。

第一个是激励结构。学术界的晋升靠发表，而不是靠做出可复现的结果。当你需要在 CV 上有一串顶会论文才能找到工作，而审稿人没有时间认真复现，最优策略就是：把数字做漂亮，把故事讲圆，把代码藏好。

第二个是信号噪声比的崩溃。Founder Sohan 在评论区说：「信噪比在 2022 年左右崩溃了，而且没人愿意修复它。」这个时间点不是随机的。2022 年是 ChatGPT 和大模型爆发的年份，之后整个领域的研究者数量、论文投稿量、arXiv 预印本数量全部指数增长。当蛋糕做大的时候，没人有动力去管质量。

第三个是顶级实验室研究人员的退出。当实验室里最懂行的人不再读论文、不再发论文，顶会论文的审稿质量就会进一步恶化——因为审稿人本身也不是最懂行的人了。这是一个负反馈循环。

Sagnik 在评论区提供了一个替代方案：「现在我觉得 LessWrong 上大多数帖子的信噪比更高。」当行业内部的人开始把博客论坛当作比顶会论文更可靠的信息来源，这本身就是对学术界的一个判决。

评论区也提到了积极的信号。Abubakar Abid 提到 ICML 2026 的可复现挑战赛已经有超过 600 人参与，是「学术会议中最大规模的可复现性验证」。Ishan Mukherjee 提到了 Second Look 项目，专门资助复现研究。

这些努力的方向是对的，但它们面对的是一个结构性问题——不是靠多几个复现挑战赛就能解决的。

参考来源：

• Keller Jordan on X