相信我們的讀者都對 AI 頂會有非常大的關注和熱情，有的讀者最近可能剛從 NeurIPS rebuttal 脫身，又開始為下一篇做準備了。

作為推動技術革新與思想碰撞的核心引擎，頂級學術會議不僅是整個學界的生命線，更是我們洞察未來的前沿陣地。 

隨著 AI 領域近些年的蓬勃發展，如 NeurIPS、ICML 和 ICLR 等大型學術會議也越來越出圈。

然而，這一成功也帶來了代價。當前集中化的線下會議正因自身的體量而捉襟見肘：

• 發表激增：過去十年間，每位作者的年均發表率翻了一番以上，達到每年超過 4.5 篇論文。
• 指數級產出增長：個人產出速度迅猛，預計到 2040 年代將超過每月一篇。
• 碳排放過載：僅 NeurIPS 2024 的差旅排放量就已超過溫哥華全市的日均碳排放量。
• 心理健康負擔：在 405 條關于 AI 會議的 Reddit 帖子中，超過 71% 為負面評論，其中 35% 提到了心理健康問題。
• 研究與會議脫節：AI 研究周期往往快于會議安排，導致研究成果在展示前就已過時。
• 場地容量危機：頂級 AI 會議的參會人數已遠超可用場地容量。

很具代表性的會議自然是飽受爭議的 NeurIPS 2025，不僅被逼近 30000 篇的海量論文搞的焦頭爛額，陷入低質評審風波，甚至鬧出了「Who's Adam」的笑話。而且也因出席人數激增及美國簽證問題開放了墨西哥分會場。

這些現象引發一個關鍵問題： 如果按現在的熱度趨勢發展下去，AI 學術會議模式是否是可持續的？

新加坡國立大學何丙勝教授團隊對當前人工智能學術會議進行了深入的調查研究，分析了傳統會議模式的弊端，也嘗試提出了一些新的會議模式，發表了一篇立場論文。

• 論文標題：Position: The Current AI Conference Model is Unsustainable! Diagnosing the Crisis of Centralized AI Conference
• 論文鏈接：https://www.arxiv.org/abs/2508.04586v1

研究團隊認為 AI 學術會議的核心使命可概括為四大支柱：

1. 科學進步：通過高效的、經同行評審的知識交流平臺推動 AI 研究與學術交流。

2. 知識傳播：通過報告與獎項分享研究成果、表彰思想領袖。

3. 社區建設：促進研究者之間的合作與歸屬感。

4. 社會契約：通過包容性實踐促進多元化、公平與包容（DEI）。

表 1：會議挑戰與解決方案概覽，展示了各類問題與核心目標之間的多對多關系：

● 科學進步（Scientific Advancement）■ 知識傳播（Knowledge Dissemination）▲ 社區建設（Community Building）? 社會契約：多元、公平與包容（DEI, Diversity, Equity, Inclusion）

這篇論文在 Reddit 上也引發了熱烈的討論。 評論區普遍認同論文提出的核心問題，即 AI 學術界正處于一種不可持續的過熱狀態。 

• 討論帖地址: https://www.reddit.com/r/MachineLearning/comments/1mo0ynr/r_position_the_current_ai_conference_model_is/

討論的焦點集中在當前「唯快不破」的發表文化上。許多評論者（其中不乏一線研究人員）痛陳博士生被迫追求在頂級會議上發表大量論文，這種壓力不可避免地導致了大量低質量、缺乏深度分析的研究成果泛濫，犧牲了嚴謹的科學精神。

此外，評論中也有對體系性問題的無奈。有用戶指出，真正有能力推動變革的資深學者們，往往是當前體系的既得利益者，缺乏改革的動力。整個領域似乎陷入了一種惡性循環，年輕學者在內卷中掙扎，而體系本身卻難以撼動。

當前人工智能會議面臨的四大挑戰

AI 會議正面臨投稿量不可持續增長的挑戰，這使其日益偏離傳播知識的核心使命，轉而成為優先考慮數量而非深度的「大批量」活動。 

受大語言模型（LLMs）等技術發展的推動，AI 領域的論文發表量正經歷指數級飆升，預計未來將增長數倍。這種爆炸性增長已引發嚴重問題：海量的投稿不僅淹沒了同行評審系統，引發了對其公正性的擔憂，也為學術不端行為提供了可乘之機。

此外，由于 AI 研究的生命周期急劇縮短，許多研究在發表時就已過時，這使得整個學術交流體系的效率大打折扣，并加劇了作者與組織者面臨的連鎖問題。

「不發表，就出局」的無盡循環：過度的生產力

 AI 領域的投稿量激增，導致人均產出變得難以維系。數據顯示，AI 的快速增長可能對其他計算機科學領域產生了「虹吸效應」，導致理論和系統等領域的教職員工數量出現下降。

更關鍵的是，論文發表數量的增長速度遠超教職員工的增長，呈現指數級態勢（）。我們使用以下公式量化人均貢獻：

其中 pub_count 代表論文發表數量。過去十年，AI 領域教職員工的年人均發表量翻了一番，超過 4.5 篇，是其他領域的兩倍多。若此趨勢持續，如果這一趨勢持續，到 2040 年代，人均產出預計將超過每月一篇，將導致過度競爭和巨大的心理健康壓力，這與會議旨在促進知識傳播與合作的核心使命背道而馳。

環境代價：日益增加的碳足跡 

論文數量的激增帶來了巨大的環境代價，主要源于差旅和計算需求導致的碳足跡上升。由于多數 AI 會議要求現場參會，差旅量巨大。以 NeurIPS 2024 為例，僅第一作者們的往返飛行就產生了高達 8,254 噸二氧化碳當量的排放，超過了整個溫哥華市的單日碳排放總量。

這種環境影響不僅對會議的 DEI 倡議構成挑戰，也給作者帶來了沉重的經濟和時間負擔。數據顯示，交通是排放的主要來源，并且在過去五年中，由接收論文作者產生的排放量增長了四倍以上。這種趨勢正考驗著組織者的可持續發展承諾，使會議在環境上變得難以為繼。

人的代價：一個不堪重負的社區

AI 會議日益增長的規模和競爭性，正嚴重影響著社區成員的情緒與心理健康。

對 Reddit 論壇的系統性分析顯示，社區對頂級會議普遍存在負面情緒。在超過 400 個相關討論串中，71% 表達了不滿，其中超過三分之一（34.6%）提及了「焦慮」、「倦怠」等心理健康問題。

這種由公眾批評和巨大壓力助長的有害氛圍，用焦慮取代了合作，侵蝕了社區建設，并扼殺了真正的知識共享，與會議的 DEI 精神背道而馳。

這種心理壓力是系統過載的直接體現。投稿數據顯示，論文接收量呈線性增長（），而拒稿量則以近乎指數級的速度飆升（），這加劇了審稿人的負擔和作者的挫敗感。

同時，AI 技術約每七個月能力翻一番，其發展速度與會議周期相當，導致許多研究在發表時就已過時。這種低效的循環不僅浪費了社區的努力，也催生了參與者追逐正面評審而非真正創新的扭曲心態。巨大的參會人數和后勤壓力也迫使 NeurIPS 等會議采取混合或多地點并行的模式以應對挑戰。

物理臨界點：場館超負荷

隨著學術會議規模的擴大，物理場館已不堪重負，尤其是在 NeurIPS 等旗艦級 AI 會議上。例如，NeurIPS 2024 的場館容量約為 18,000 人，迫使組織者對非作者注冊實行抽簽。

這一舉措雖是后勤需要，卻造成了人為的稀缺性，限制了學生和早期職業研究人員等群體的參與。這種限制不僅阻礙了自發的互動和社區建設，也損害了學術會議應有的公平參與原則。這揭示了傳統中心化會議模式的結構性瓶頸，凸顯了尋找更靈活、更公平替代方案的迫切性。 

未來人工智能會議的可能路徑

修修補補不是長久之計

AI 會議顯然已經意識到上述嚴峻的問題，因此已開始嘗試在傳統會議模式上進行調整。然而核心問題依然基本沒有得到解決。

一個典型例子是「限制每位作者投稿數量」這一提案，旨在控制投稿總量。

然而，這種供給端的約束本質上是一種零和博弈 —— 投稿上限并不會減少機構層面巨大的發表壓力，只是轉移了壓力，迫使研究人員更具策略性，但并未減輕其壓力。這類限制還可能對需要積累發表記錄的青年學者或在多個創新方向上并行推進的高產實驗室造成比較嚴重的影響。

類似地，多會場或衛星會議的引入 —— 如 NeurIPS 2025 在墨西哥城與哥本哈根同時舉辦的平行活動 —— 是對場地容量限制的直接回應，也旨在減少部分與會者的長途跋涉。

然而，多會場會議依然將評審負擔集中在同一個周期內，依然維持著集中化的權威結構與高風險的一次性評審過程。雖然在一定程度上減少了旅行，但并未解決評審員倦怠、作者工作量不斷攀升，以及任何高成本、時間受限活動固有的排他性問題。它還可能無意間制造出「分層體系」—— 某個會場被認為更具聲望，從而背離了社會契約下平等參與的目標。

對傳統模式的修修補補已不足以應對挑戰。因此，論文提出了社區聯合型會議（Community-Federated Conference，CFC）的新模式。

一種新的可能：社區聯合型會議

CFC 為學術會議提供了一個可持續、公平且可擴展的組織框架。其指導原則可概括為 「全球標準，本地實現」，通過將會議的三大傳統功能（1）同行評審與出版，(2) 知識傳播，(3) 社區建設 解耦，并重組為既獨立又相互關聯的層次來實現。

第一層：統一的全球同行評審與出版

這一層建立一個由學術組織聯盟（如 AAAI、ACM）管理的集中化高質量數字平臺。投稿與評審全年滾動進行，與任何實體會議無關。被接收的論文將發表在全球公認的會議論文集中，確保學術認可與可見度。

第二層：聯合的區域中心用于成果展示與傳播

論文被接收后，作者可選擇在任一地區中心進行展示。這些中心由大學、本地研究實驗室或學生團體組織，通常規模為 500 至 1,500 名參與者。這種聯合模式直接應對了當今會議的主要后勤與可持續性挑戰：它消除了對超大型會場的需求，通過鼓勵區域性差旅減少碳排放，并降低經濟門檻，從而促進多樣性、公平性與包容性。

第三層：數字化同步與協作

CFC 模型區別于一組獨立事件的關鍵在于一個統一的數字化層。它包括一個全球全體會議通道（Global Plenary），將來自輪值主辦中心的主題演講與頒獎報告直播到所有其他中心。此外，永久性的數字海報大廳允許對所有接收論文進行討論，而主題虛擬頻道（如 Slack 或 Discord）則連接跨區域從事相似研究的學者。

大家覺得 AI 領域的學術會議是傳統形式更好，還是需要一些全新架構的新模式來適應高速產出的學術界現狀呢？歡迎在評論區討論你的看法。

更多細節，請參閱原論文。