2026年9月9日，arXiv 的 cs.LG 類別創下單日新增 447 篇機器學習論文的新高紀錄，遠高於平日約 200 篇的平均水準。這種指數級的增長引發了學術界對於現有審查體系是否還能負荷，或是是否需要徹底重建的熱烈討論。龐大的論文數量已超過人類研究者或閱讀小組每年能消化的極限，引發了對可重複性危機及大量低品質 AI 生成內容的擔憂。這種趨勢挑戰了傳統的學術出版模式，由於獎勵機制偏向數量而非質量，可能導致嚴謹科學工作的價值被稀釋。討論指出，發表論文的門檻和成本很低，使得單作者、缺乏新意的論文（被稱為「AI 垃圾」）得以輕易發表。社群成員提到，目前的學術評價機制要求大量的第一作者論文，這促使研究者為了提升引用次數而提交這些快速產出的作品。

事件背景

arXiv 是一個廣泛使用的科學論文預印本伺服器，特別適用於物理學、數學和電腦科學領域。cs.LG 類別專門涵蓋機器學習研究。近年來，大型語言模型（LLM）的普及顯著降低了撰寫和格式化學術論文的門檻，導致投稿量激增。

社群觀察

社群觀點兩極，部分人認為由於發表成本低且品質參差不齊，情況類似社會科學界的可重複性危機。另一些人則認為 LLM 只是暴露了現有體系的缺陷，例如無薪審查員和付費牆期刊；還有人呼籲在發表前引入實體驗證和審核機制。