1. 那个讨论帖到底说了什么，以及我们没有直接相信什么
流传中的说法是：NeurIPS 2026 对投稿批量运行了自动参考文献检查器；作者在 OpenReview 上能看到报告；至少一位领域主席描述了“虚构参考文献达到 2 条或以上即自动直接拒稿”的门槛。一位自称领域主席的具名账号称，他们“不得不拒掉自己批次中的两篇论文；如果作者没有让 LLM 接触 BibTeX，这两篇肯定能进入评审”。其他评论者还提到申诉邮件、逐条引用申诉流程，以及对这批决定是否已经全部发出的困惑。
这些说法都没有说明工具、供应商或方法。讨论帖里的二手引语，恰恰属于本刊应当核查而不是复述的内容。因此动笔前，我们寻找了第一手来源：会议自己的声明、研究这一问题的学术文献，以及至少一条可以亲手验证的具体虚构引用。
2. 事情是真的，而且远不止一个帖子
确实如此。本届四个主要会议——NeurIPS、ICLR、ICML 和 ACL——都把虚构引用视为直接拒稿理由，其中三个公布了足以核查其流程的信息[1][2][3]。
ICLR 程序主席发布了我们所找到的最详细官方说明。系统“自动从投稿中提取参考文献，并将其与多个标准书目数据库和标准网络搜索进行核对”。被标记的参考文献随后经过三轮独立人工审查——先由领域主席，再由程序主席亲自复核——论文才会真正被直接拒绝，同时“设立申诉渠道，以处理任何被错误标记的论文”。他们也明确表示，这项流程“部分解释了今年 ICLR 相较往年较高的直接拒稿率”[1]。
ACL 程序主席的声明确认，超过 100 篇已接收论文因引用不存在的作品而被直接拒稿。ACL 使用“自动系统……识别潜在引用问题”，但每一条标记都由程序主席和高级领域主席复核，确认该参考文献确实不存在后才拒稿[2]。ICML 的《同行评审伦理》页面将“虚构参考文献”列为对单篇投稿直接拒稿的理由[3]。NeurIPS 自己的主赛道手册比另外三者简略，只写了一句话：承认“文献综述中已经出现许多虚构引用案例，这违反 NeurIPS 行为准则”，并指向另一份我们无法完整访问的学术诚信政策[4]。
NeurIPS 公开文件没有说清的内容，一位 NeurIPS 2026 领域主席以真实姓名公开说了出来。Danish Pruthi 发帖称，在他负责的一批投稿中，“8 篇里有 5 篇包含 2 条以上虚构参考文献，很可能会被直接拒稿”，并补充说引用“容易验证，虚构项可以被发现”。他随后又说明这个门槛真实存在但并非绝对：“NeurIPS 对虚构的定义相当宽松。剩下三篇中有一篇也有一条捏造引用，但一条还不足以直接拒稿。”[5] 这与 Reddit 帖所说的“2 条或以上”足够接近，因此我们把它视为本届 NeurIPS 真实存在、但记录方式非正式的门槛。
3. “虚构引用”的规模到底有多大
最严谨的数字来自一项独立的大规模审计，而不是任何会议自身：研究者检查了 2021 至 2026 年间 ICLR、ICML、NeurIPS 和 USENIX Security 的 48,095 篇已接收论文与 260 万条提取出的参考文献，先与 Semantic Scholar、OpenAlex、Crossref、DBLP 和 ACL Anthology 核对，再把可疑匹配交给可进行网络搜索的模型复核，之后才计数[6]。它采用刻意收窄的定义，只计入“并不存在的作品和严重的作者名单不匹配”，明确排除普通书目漂移，例如会议名称变动或年份相差一年；StrictCite 自己的引擎也把这类普通差异视为远低于彻底捏造的严重程度。
| 会议（2025） | 至少 1 条虚构引用 | 至少 2 条虚构引用 |
|---|---|---|
| ICLR | 18.7% | 1.9% |
| ICML | 23.3% | 3.4% |
| NeurIPS | 26.2% | 5.1% |
| USENIX Security | 34.9% | 4.8% |
把最右一列与本届“2 条或以上”的直接拒稿门槛对照：去年约每 20 篇 NeurIPS 接收论文中就有一篇会触线——如果当时已有这项政策。实际上当时还没有；这是该政策首次实施的一届，而同一研究显示，这些论文写作年份的虚构率也已经达到历史最高点。
问题并非今年才开始。另一项 2 月发表的研究详细检查了 NeurIPS 2025 的 100 条虚构引用，发现每一条都同时使用了不止一种欺骗手法：例如错误作者名单搭配看似真实的会议，或捏造 DOI 配上一个与真实作品足够接近、能骗过快速浏览的标题[8]。本届改变的不是捏造行为本身，而是四个会议终于开始在发表前、而非发表后检查它。
同一项审计还真正检验了“同行评审抓不到这种问题”的说法，而不是凭感觉假设。按照各会议使用的 1–10 或 1–5 分量表，对比含问题论文与文献表干净论文的评审分数，差异在 ICLR 为 +0.02、ICML 为 +0.005、NeurIPS 为 +0.04——这是噪声，不是信号。接收层级也没有规律：海报、spotlight 和口头报告的受影响比例几乎相同。每篇论文有三到五位专家评审，而一条捏造引用对结果几乎没有影响。
4. 三个具名案例，以及我们亲自核查的一条
AI 文本检测公司 GPTZero 用自己的虚构检测工具检查了约 20,000 篇 ICLR 2026 投稿中的 300 篇，并公布了具名案例[7]。在一篇被其称为“MixtureVitae”、评审评分为 8.0 的论文中，一条引用的前三位作者与真实论文一致，但其余七个名字根本没有出现在真实论文中，其中一些甚至不像对应任何真实人物。另一篇同样得到 8.0 分、题为“TamperTok”的论文引用了一篇确实存在的作品，但作者名单完全错误。在一篇关于 AI 辅助医疗分诊的投稿中，有一条参考文献的全部内容是：“[3] K. Arnold, J. Smith, and A. Doe”——把一份捏造作者名单附在一本捏造期刊上。
最后这个例子，我们没有只相信 GPTZero。我们直接使用 Crossref 公共 API 查询了完全相同的作者组合：
结果：1,095,080（查询未匹配真实记录时，Crossref 返回完整索引的回退结果）
首个匹配：一篇测试／占位预印本，标题就是“Sample thing”，作者为“Jane Smith”和“John Doe”
结论：Crossref 中不存在由这一作者组合署名的真实作品
这只是一次很小的单项检查，不能证明 GPTZero 样本中另外 49 篇论文或其预计还会发现的数百篇论文如何。它证明的是更窄、也只值相应分量的一件事：一个公开、具名机构针对一条具体虚构引用提出的具体主张，使用不同于最初标记来源的另一注册库独立复核后，得到相同结果。本文对每项说法——包括关于其他检查器的说法——都试图达到同样标准。
5. 真正应该让所有人放慢速度的部分
凡是公布了实际流程细节的会议，也都承认同一个弱点。ICLR 程序主席在复盘中写道，其自动系统“有显著的误报率——例如，当投稿作者把一篇非英文标题的论文译成英文时，系统会标记这条参考文献”[1]。那项 48,000 篇论文的独立审计说得更直接：作者手工检查的候选虚构项中，“大多数都被排除，因为仍能找回原始参考文献”；最常见原因是 PDF 提取噪声破坏作者字符串、论文刚刚发布尚未被任何数据库收录，或引用了确实尚未公开发表的工作[6]。他们自己的结论是：“任何单独标记在未经复核前，都绝不应被视为定论。”
ACL 的结果最清楚地证明，这种张力不是假设。超过 100 篇论文因虚构参考文献被直接拒稿；但随后，同一份声明的更新写道，“ACL 执委会在会议中决定，受影响论文必须经过正常的重新投稿流程”，而不是维持原决定为最终结论[2]。一项政策在本届临时采用、大规模执行、又在中途被收回，这就是机构一边飞行一边造飞机的样子。Reddit 帖中对申诉时间以及决定是否最终的困惑，与其说是不耐烦，不如说准确反映了真实情况。
这不是反对检查引用。恰恰相反：当一项判断可能让作者失去一篇论文时，每一次判断都必须附带凭据后才能成立。这也是我们要求自家引擎遵守的标准，以及 StrictCite 为什么不会只给一个赤裸的通过／失败，而会为每个结论标明具体规则、具体注册库和具体字段差异。
6. 这件事真正改变了什么
在本届之前，一个虚构的合著者或捏造引用，最坏也只是将来可能被细心读者发现的尴尬。到了 2026 年，在四个主要会议中，它已经成为直接拒稿理由：先由自动系统筛选；按照会议自己的数字，约每四到五篇论文就会抓到真实问题；所有测量过误报率的会议又都称其“显著”；申诉流程仍在公众视野中边运行边调整。从这些条件同时成立的那一天起，投稿前自查文献表就不再是可有可无的加分项。这正是此类工具存在的全部理由：不是取代 ICLR 用来审阅每条标记的三个人，而是在他们之前成为第四位读者，先告诉你他们会看到什么。