《機器學習研究匯刊》（TMLR）針對十篇擬進行編輯部撤稿（desk rejection）的論文，主動聯繫作者以驗證其對研究內容的理解。結果顯示，多數作者難以回答基本技術問題：三人無法回答基本問題，三人雖能說明高層概念但在技術細節上遇阻；僅有一人回答了所有問題，但仍被發現主要缺陷。

基於這些訪談結果，TMLR 對九篇論文做出永久撤稿決定，僅有一篇在修正後獲准重新提交。此舉反映 TMLR 的編輯部撤稿率已從 2023 年的約 6% 飆升至目前的約 53%，顯示期刊正透過更嚴格的篩選機制來應對投稿量激增與潛在的大型語言模型輔助寫作問題。

事件背景

編輯部撤稿是指期刊編輯在將稿件送交完整同行評審之前，因範圍不符或明顯缺陷等原因直接拒絕稿件的做法。由於投稿量激增且評審資源有限，TMLR 最近實施了更嚴格的撤稿政策，旨在更有效地篩選出低質量或大型語言模型生成的論文。

社群觀察

社群討論中，有成員指出若對已接受的論文進行同樣測試，結果可能相似；也有人讚賞新政策的效率。另有評論者提到，大型語言模型已貫穿從規劃、執行到圖表生成的整個研究流程。