顶刊主编突击面试10篇AI论文作者:3人看不懂公式,1人当场自爆造假!

如果你是一名学术论文的“第一作者”，主编突然打来视频电话，问你论文第一页的数学符号是什么意思。

你会心虚吗？

这绝非凭空假设，正是一场在顶尖学术圈掀起惊涛骇浪的真实缉凶现场。

最近，顶级机器学习期刊《Transactions on Machine Learning Research》（简称 TMLR）的共同主编、卡内基梅隆大学副教授 Nihar B. Shah 做了一个近乎疯狂的实验：

他从那些质量堪忧、本该被直接扔进垃圾桶（Desk Reject）的投稿中，抽出了 10 篇论文。他按下了直接拒稿的操作，转而通过系统发去一封语气客气的邮件：“同学/老师，方便上 Zoom 聊半小时吗？我想听你当面讲讲这篇大作”

结果，这场学术界的“深夜突击检查”，直接撕下了生成式 AI 狂欢下最荒诞的一块遮羞布：

有人当场吓得撤稿，有人看着自己的公式目瞪口呆，甚至有人在视频里聊着聊着，当着主编的面把学术造假的流程全盘托出了！

“别问了主编，这公式我自己也看不懂”

这场历时两周、耗费 Shah 主编 25 个小时的线上面试，战况惨烈得像一场闹剧。

这 10 位作者背景跨度极大：本科生、硕士生、博士生、大学教职人员，甚至还有独立研究员，且绝大多数都是唯一独立作者。

最终的“战绩”如下：

▲ Nihar B. Shah 在 TMLR 官方博客公开了这场面试的全部细节

• 第 1 个人
  ：收到面谈邀请的瞬间，秒撤稿；
• 第 2 个人
  ：回复说“最近太忙没空”，拒绝连线；
• 第 3 个人
  ：在日历上约好了时间，到了点直接放鸽子；
• 第 4、5、6 个人（共3人）
  ：连线进来了，但连论文最基本的问题都答不上来。其中一位作者，甚至在正文里找不到摘要宣称的核心结论在哪里；另外两位对整篇论文的内容几乎毫无实质性理解，指着论文里的数学符号（Notation），像在看天书；
• 第 7、8、9 个人（共3人）
  ：能背出问题背景和大意，但只要主编稍微深挖核心技术推导、或者实验为什么这么设计，立刻卡壳；
• 第 10 个人
  ：最厉害的一位，兵来将挡水来土掩，所有技术问题全部答上来了！但尴尬的是，主编在审读时抓到了一个致命的理论大漏洞，当场指出来后，作者不得不低头承认。

更具讽刺意味的“名场面”还在后头

那几个在视频里结结巴巴、答不上基本问题的作者，会后觉得挂不住面子，给主编发来了长篇邮件进行书面补答。

主编顺手把这两封邮件丢进了文本检测工具 Pangram 里，检测结果显示：100% 纯 AI 生成！

人在 Zoom 里装不下去，下了线立马又让 ChatGPT 代打。

还有一位作者在描述自己的实验方法时，语气轻松地讲起了自己如何反复调整测试集、挑选最优参数来刷指标。主编听着听着整个人都愣住了，这哥们在不知不觉中，把一整套教科书级别的“P值操纵”（p-hacking，即为了凑出显著成果而进行数据洗水）全给招了！

暴涨 8 倍的拒稿率：学术流水线被彻底击穿

在这场实验背后，是一个正在急剧恶化的行业现实。

在学术出版界，有一个词叫 Desk Reject（编辑部直拒）。

通俗点说：正常投稿要送给两到三位同行专家评审（外审），但如果一篇论文烂得过于明显、格式错乱、或者前言不搭后语，主编就会在初筛阶段直接一脚踢飞，连送外审的资格都不给。这既是维护期刊水准，也是为了保护那些义务审稿专家的宝贵时间。

在 2023 年，TMLR 期刊的 Desk Reject 比例大概只有 6%。

到了 2026 年，这个数字像坐了火箭一样飙升到了 53%！

▲ 官方数据显示：超过一半的投稿，连被送去外审的资格都没有了

一半以上的投稿，刚进门就被打回去了。

为什么？因为生成式 AI 彻底把“造出一篇像模像样的学术论文”的门槛，降到了零。

在过去，哪怕是一个学术骗子，想要攒出一篇包含引言、数学符号表、理论证明、消融实验和高清折线图的 8 页纸论文，少说也得熬上几个通宵排版 LaTeX。

但现在，只要往大模型里喂几句 Prompt（提示词），几秒钟之内，一份充斥着人类几乎不会用的诡异符号、看似严谨实则全是胡话的“学术废料”（AI Slop）就出炉了。

投稿人甚至连看都不看一眼，直接打包上传系统。反正投中了就是赚到（换取毕业、职称、基金），投不中也没有任何惩罚。

荒诞闭环：AI 写的论文，正由 AI 在负责审稿

如果只是作者在用 AI 灌水，学术界或许还能靠审稿人构筑防线。但现实更残酷：防守方也投降了

面对如潮水般涌入的垃圾投稿，全球的审稿专家们被彻底累瘫。于是，审稿人也拿起了 AI 工具

这就形成了一个充满黑色幽默的赛博闭环：

作者用 AI 生成了一篇毫无意义的论文 → 审稿人用 AI 生成了一篇看似专业的审稿意见 → 双方在系统的遮掩下完成了无人参与的学术交流 → 最后双双拿去向学术机构兑换利益。

在各大顶级学术会议上，研究者们经常能抓到荒诞的证据：某些审稿意见里赫然留着“作为一个大语言模型，我不能……”的痕迹；或者满篇都是冠冕堂皇、挑不出毛病但也毫无价值的“正确的废话”。

难怪有网友在 X（原 Twitter）上毒舌嘲讽：

“强烈建议开一档全新真人秀，就叫《美国达人秀之定理争霸》（America's Got Theorems）。选手登台，面对一排毒舌评委，唯一的任务就是回答评委对自己那篇 AI 论文的现场盘问。”

▲ 荒诞的现实激发了网友浓烈的创作欲望

终极反制：给每位作者发一套“学术人机验证”

人肉去开 Zoom 抓鬼，固然痛快，但代价值得吗？

Shah 主编坦言：面谈这 10 个人，足足榨干了他两周内 20 到 25 个小时的时间。 面对每个月成百上千篇的投稿量，靠主编一个个连线质询，根本无法规模化推广。

既然人肉质询顶不住，那就只能用魔法打败魔法。

Shah 和他的合作者们顺势在 arXiv 上抛出了一项重磅研究：greCAPTCHA。

▲ 团队提出用 AI 生成自动化考题，测试作者对自己论文的理解深度

平时我们在网页上为了证明自己是真人，需要点选红绿灯、输入扭曲的字母，这叫验证码（CAPTCHA）。

而 greCAPTCHA，就是学术界的超级人机验证码。

它的底层逻辑非常聪明：它直接跳过“文章有无大模型代笔”的拉锯战，转去严格验证“署名的作者到底能否核实（Capacity to Verify）论文内容”。

系统会自动阅读投稿，然后利用 AI 针对论文细节生成一套专属考卷：

• 它会故意在公式里植入一个错误，问作者这个公式对不对；
• 它会挑选摘要里的一个主张，要求作者盲填正文第几节给出了支撑；
• 它会针对实验设计的参数，提问背后的理论失效模式。

如果作者真的亲自推导、做过实验，这套题哪怕闭着眼睛也能在 15 分钟内答个八九成；但如果你只是个把 Prompt 丢给 ChatGPT 的二道贩子，面对这种高精度的人工智能提问，瞬间就会现出原形。

初步的测试数据显示，这套自动化考核系统在区分“真作者”与“冒牌作者”时，准确率（AUC）已经达到了惊人的 0.90。

当学术光环被代码稀释

在过去数百年里，现代科学共同体的运转建立在一个心照不宣的“绅士协议”上：

期刊默认只要你敢在论文上署上自己的大名，就代表你为其中的每一个公式、每一个数据、每一个推论赌上了自己的学术声誉。署名，即负责

但生成式 AI 的爆发，直接摧毁了这个默契的前提。

当生成上万字废话的成本无限趋近于零，学术发表这个曾经代表人类智力最高峰的信号系统，正在发生前所未有的恶性通货膨胀。

那位在 Zoom 镜头前被问得哑口无言的作者，或许只是这股时代洪流中一个微不足道的切片。但这一场主编亲自下场的“线上抓假”，敲响的警钟却震耳欲聋：

工具再强，AI 依然无法替人类承担责任。如果你连自己写下的定理都无法捍卫，那么在这场赛博狂欢退潮之后，留在沙滩上的，只有学术诚信的彻底破产。