UNIST凭“低质量同侪评估”解法获世界三大人工智能学会最高论文奖
人工智能研究生院 Lee Seulgi 教授团队获 ICML Position Track 最佳论文奖，系韩国首次
“应对评审反馈进行反向评价并向评审提供激励”……合作提议不断
蔚山科学技术院（UNIST）人工智能研究生院Lee Seulgi教授团队在被誉为全球三大人工智能学会之一的ICML上，获得了“Position Track”最佳论文奖（Outstanding Paper Award）。
这是国内首次在ICML上获得最佳论文奖。
Lee教授团队凭借一项诊断人工智能学会同行评议系统问题并提出解决方案的研究获奖。
同行评议（peer review）是指同一领域的研究者对投稿至学术期刊或学会的论文进行匿名审稿，并决定是否予以接收（accept）的过程。这一程序对于保障研究质量、筛除低质量成果至关重要。但近年来，随着以人工智能学会为中心的投稿量激增，审稿人不足与评价可靠性下降的问题同时凸显。一些审稿人完全依赖生成式人工智能，或在未认真阅读全文的情况下草率完成审稿的情况也并不少见。
为解决上述问题，研究团队提出了一种结构：由论文作者反向评价审稿人的反馈，并同时向审稿人提供激励措施。
第一作者研究员Kim Jaeho表示：“因为这一方案在向审稿人同时赋予责任与动机的现实替代方案方面获得高度评价，国际慈善机构Open Philanthropy还向我们提出了合作建议。”
尽管人工智能技术正在迅速演进，但支撑这一技术的学会制度、研究文化和社会规范仍停留在过去，学界内外长期以来不断提出这一批评。包括ICML在内的主要人工智能学会设立Position Track的背景也在于此。ICML于2024年首次设立该轨道，NeurIPS也已确定从今年12月举行的年会上开设同类轨道。
与处理具体算法或人工智能模型的技术轨道不同，Position Track以人工智能技术引发的政策、伦理和社会争议为研究主题，但要获得接收，论文必须具备不亚于技术论文的逻辑一致性、客观依据与学术说服力。
共同第一作者研究员Lee Yunseok表示：“我们提出的同行评议改进方案不仅适用于人工智能领域，也可应用于其他学术领域。凡是通过同行评议审查论文的所有领域，如医学、生物学、化学等，都可以采用这一方法。”
Lee Seulgi教授表示：“随着人工智能技术的发展，不仅需要技术层面的研究，同步推进关于人工智能政策与系统的研究也同样重要，本次研究就是这种均衡式路径的一个良好案例。”
颁奖仪式于2025年在加拿大温哥华举行的ICML年度大会期间，当地时间15日举行。
ICML（International Conference on Machine Learning，国际机器学习大会）起源于20世纪80年代美国人工智能学会（Association for the Advancement of Artificial Intelligence，AAAI）旗下的一个研讨会，并于1988年独立成为机器学习领域的国际学术会议。它与NeurIPS、ICLR并称世界三大人工智能学会，每年投稿论文超过1万篇，其中仅约20%能够被接收，竞争极为激烈。今年共接收论文1万2107篇，其中仅有3260篇获准接收。
本研究在科学技术信息通信部韩国研究财团资助项目（RS-2023-00277383）、信息通信企划评价院人工智能研究生院项目（RS-2020-II201336）以及Google Cloud研究额度计划（Gemma 2 Academic Program）的支持下完成。
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
