作为推动技术革新与思想碰撞的核心引擎，顶级学术会议不仅是整个学界的生命线，更是我们洞察未来的前沿阵地。
随着 AI 领域近些年的蓬勃发展，如 NeurIPS、ICML 和 ICLR 等大型学术会议也越来越出圈。
然而，这一成功也带来了代价。当前集中化的线下会议正因自身的体量而捉襟见肘：
发表激增：过去十年间，每位作者的年均发表率翻了一番以上，达到每年超过 4.5 篇论文。
指数级产出增长：个人产出速度迅猛，预计到 2040 年代将超过每月一篇。
碳排放过载：仅 NeurIPS 2024 的差旅排放量就已超过温哥华全市的日均碳排放量。
心理健康负担：在 405 条关于 AI 会议的 Reddit 帖子中，超过 71% 为负面评论，其中 35% 提到了心理健康问题。
研究与会议脱节：AI 研究周期往往快于会议安排，导致研究成果在展示前就已过时。
场地容量危机：顶级 AI 会议的参会人数已远超可用场地容量。
很具代表性的会议自然是饱受争议的 NeurIPS 2025，不仅被逼近 30000 篇的海量论文搞的焦头烂额，陷入低质评审风波，甚至闹出了「Who's Adam」的笑话。而且也因出席人数激增及美国签证问题开放了墨西哥分会场。
这些现象引发一个关键问题： 如果按现在的热度趋势发展下去，AI 学术会议模式是否是可持续的？
新加坡国立大学何丙胜教授团队对当前人工智能学术会议进行了深入的调查研究，分析了传统会议模式的弊端，也尝试提出了一些新的会议模式，发表了一篇立场论文。
论文标题：Position: The Current AI Conference Model is Unsustainable! Diagnosing the Crisis of Centralized AI Conference
论文链接：https://www.arxiv.org/abs/2508.04586v1
研究团队认为 AI 学术会议的核心使命可概括为四大支柱：
1. 科学进步：通过高效的、经同行评审的知识交流平台推动 AI 研究与学术交流。
2. 知识传播：通过报告与奖项分享研究成果、表彰思想领袖。
3. 社区建设：促进研究者之间的合作与归属感。
4. 社会契约：通过包容性实践促进多元化、公平与包容（DEI）。
表 1：会议挑战与解决方案概览，展示了各类问题与核心目标之间的多对多关系：
● 科学进步（Scientific Advancement）■ 知识传播（Knowledge Dissemination）▲ 社区建设（Community Building）♦ 社会契约：多元、公平与包容（DEI, Diversity, Equity, Inclusion）
这篇论文在 Reddit 上也引发了热烈的讨论。 评论区普遍认同论文提出的核心问题，即 AI 学术界正处于一种不可持续的过热状态。
讨论帖地址: https://www.reddit.com/r/MachineLearning/comments/1mo0ynr/r_position_the_current_ai_conference_model_is/
讨论的焦点集中在当前「唯快不破」的发表文化上。许多评论者（其中不乏一线研究人员）痛陈博士生被迫追求在顶级会议上发表大量论文，这种压力不可避免地导致了大量低质量、缺乏深度分析的研究成果泛滥，牺牲了严谨的科学精神。
此外，评论中也有对体系性问题的无奈。有用户指出，真正有能力推动变革的资深学者们，往往是当前体系的既得利益者，缺乏改革的动力。整个领域似乎陷入了一种恶性循环，年轻学者在内卷中挣扎，而体系本身却难以撼动。
当前人工智能会议面临的四大挑战
AI 会议正面临投稿量不可持续增长的挑战，这使其日益偏离传播知识的核心使命，转而成为优先考虑数量而非深度的「大批量」活动。
受大语言模型（LLMs）等技术发展的推动，AI 领域的论文发表量正经历指数级飙升，预计未来将增长数倍。这种爆炸性增长已引发严重问题：海量的投稿不仅淹没了同行评审系统，引发了对其公正性的担忧，也为学术不端行为提供了可乘之机。
此外，由于 AI 研究的生命周期急剧缩短，许多研究在发表时就已过时，这使得整个学术交流体系的效率大打折扣，并加剧了作者与组织者面临的连锁问题。
「不发表，就出局」的无尽循环：过度的生产力
AI 领域的投稿量激增，导致人均产出变得难以维系。数据显示，AI 的快速增长可能对其他计算机科学领域产生了「虹吸效应」，导致理论和系统等领域的教职员工数量出现下降。
更关键的是，论文发表数量的增长速度远超教职员工的增长，呈现指数级态势（
）。我们使用以下公式量化人均贡献：
其中 pub_count 代表论文发表数量。过去十年，AI 领域教职员工的年人均发表量翻了一番，超过 4.5 篇，是其他领域的两倍多。若此趋势持续，如果这一趋势持续，到 2040 年代，人均产出预计将超过每月一篇，将导致过度竞争和巨大的心理健康压力，这与会议旨在促进知识传播与合作的核心使命背道而驰。
环境代价：日益增加的碳足迹
论文数量的激增带来了巨大的环境代价，主要源于差旅和计算需求导致的碳足迹上升。由于多数 AI 会议要求现场参会，差旅量巨大。以 NeurIPS 2024 为例，仅第一作者们的往返飞行就产生了高达 8,254 吨二氧化碳当量的排放，超过了整个温哥华市的单日碳排放总量。
这种环境影响不仅对会议的 DEI 倡议构成挑战，也给作者带来了沉重的经济和时间负担。数据显示，交通是排放的主要来源，并且在过去五年中，由接收论文作者产生的排放量增长了四倍以上。这种趋势正考验着组织者的可持续发展承诺，使会议在环境上变得难以为继。
人的代价：一个不堪重负的社区
AI 会议日益增长的规模和竞争性，正严重影响着社区成员的情绪与心理健康。
对 Reddit 论坛的系统性分析显示，社区对顶级会议普遍存在负面情绪。在超过 400 个相关讨论串中，71% 表达了不满，其中超过三分之一（34.6%）提及了「焦虑」、「倦怠」等心理健康问题。
这种由公众批评和巨大压力助长的有害氛围，用焦虑取代了合作，侵蚀了社区建设，并扼杀了真正的知识共享，与会议的 DEI 精神背道而驰。
这种心理压力是系统过载的直接体现。投稿数据显示，论文接收量呈线性增长（
），而拒稿量则以近乎指数级的速度飙升（
），这加剧了审稿人的负担和作者的挫败感。
同时，AI 技术约每七个月能力翻一番，其发展速度与会议周期相当，导致许多研究在发表时就已过时。这种低效的循环不仅浪费了社区的努力，也催生了参与者追逐正面评审而非真正创新的扭曲心态。巨大的参会人数和后勤压力也迫使 NeurIPS 等会议采取混合或多地点并行的模式以应对挑战。
物理临界点：场馆超负荷
随着学术会议规模的扩大，物理场馆已不堪重负，尤其是在 NeurIPS 等旗舰级 AI 会议上。例如，NeurIPS 2024 的场馆容量约为 18,000 人，迫使组织者对非作者注册实行抽签。
这一举措虽是后勤需要，却造成了人为的稀缺性，限制了学生和早期职业研究人员等群体的参与。这种限制不仅阻碍了自发的互动和社区建设，也损害了学术会议应有的公平参与原则。这揭示了传统中心化会议模式的结构性瓶颈，凸显了寻找更灵活、更公平替代方案的迫切性。
未来人工智能会议的可能路径
修修补补不是长久之计
AI 会议显然已经意识到上述严峻的问题，因此已开始尝试在传统会议模式上进行调整。然而核心问题依然基本没有得到解决。
一个典型例子是「限制每位作者投稿数量」这一提案，旨在控制投稿总量。
然而，这种供给端的约束本质上是一种零和博弈 —— 投稿上限并不会减少机构层面巨大的发表压力，只是转移了压力，迫使研究人员更具策略性，但并未减轻其压力。这类限制还可能对需要积累发表记录的青年学者或在多个创新方向上并行推进的高产实验室造成比较严重的影响。
类似地，多会场或卫星会议的引入 —— 如 NeurIPS 2025 在墨西哥城与哥本哈根同时举办的平行活动 —— 是对场地容量限制的直接回应，也旨在减少部分与会者的长途跋涉。
然而，多会场会议依然将评审负担集中在同一个周期内，依然维持着集中化的权威结构与高风险的一次性评审过程。虽然在一定程度上减少了旅行，但并未解决评审员倦怠、作者工作量不断攀升，以及任何高成本、时间受限活动固有的排他性问题。它还可能无意间制造出「分层体系」—— 某个会场被认为更具声望，从而背离了社会契约下平等参与的目标。
对传统模式的修修补补已不足以应对挑战。因此，论文提出了社区联合型会议（Community-Federated Conference，CFC）的新模式。
一种新的可能：社区联合型会议
CFC 为学术会议提供了一个可持续、公平且可扩展的组织框架。其指导原则可概括为 「全球标准，本地实现」，通过将会议的三大传统功能（1）同行评审与出版，(2) 知识传播，(3) 社区建设 解耦，并重组为既独立又相互关联的层次来实现。
第一层：统一的全球同行评审与出版
这一层建立一个由学术组织联盟（如 AAAI、ACM）管理的集中化高质量数字平台。投稿与评审全年滚动进行，与任何实体会议无关。被接收的论文将发表在全球公认的会议论文集中，确保学术认可与可见度。
第二层：联合的区域中心用于成果展示与传播
论文被接收后，作者可选择在任一地区中心进行展示。这些中心由大学、本地研究实验室或学生团体组织，通常规模为 500 至 1,500 名参与者。这种联合模式直接应对了当今会议的主要后勤与可持续性挑战：它消除了对超大型会场的需求，通过鼓励区域性差旅减少碳排放，并降低经济门槛，从而促进多样性、公平性与包容性。
第三层：数字化同步与协作
CFC 模型区别于一组独立事件的关键在于一个统一的数字化层。它包括一个全球全体会议通道（Global Plenary），将来自轮值主办中心的主题演讲与颁奖报告直播到所有其他中心。此外，永久性的数字海报大厅允许对所有接收论文进行讨论，而主题虚拟频道（如 Slack 或 Discord）则连接跨区域从事相似研究的学者。
大家觉得 AI 领域的学术会议是传统形式更好，还是需要一些全新架构的新模式来适应高速产出的学术界现状呢？欢迎在评论区讨论你的看法。
更多细节，请参阅原论文。
]]>