破局同行评审困局：从“讨好型”转向“积分驱动”的ML同行评审重构
从“礼貌建议”到系统性重构的必然
机器学习领域的学术生态正经历着一场看似矛盾却实则必然的变革。一方面，该领域论文提交量的激增与OpenReview等平台的普及，使得机器学习成为了学术界最大的 scholarly presence 之一；另一方面，这种繁荣的背后，是审稿人普遍面临的压力与审稿质量的下滑。作者在原始素材中明确指出，当前的评审体系几乎是一片哀嚎：尽管互惠审稿政策日益严格，但审稿人的积极性和专业度并未得到有效对等的回报，公共讨论空间的缺失更是让“何为高质量审稿”成为一个无人敢于触碰的禁忌。
面对这一困局，传统的呼吁文章和审稿人指南显得力不从心。作者坚定地认为，摆出一套“最佳实践”并期待社区自觉遵守，本质上是一种理想主义的妄想。真正的改变，必须建立在“可执行的程序性 safeguards（保障措施）”之上，而非空洞的道德绑架。这篇位置论文的核心逻辑，正是要打破这种“nice but useless”的惯性，通过重新定义激励机制，重构ML同行评审的根本规则。
既有机制的短板与四种“尝试”
在剖析现有机制时，作者并未回避现有尝试的局限。针对如何合理限制提交量以及如何激励良好审稿这两个核心痛点，文章先对主流会议机制进行了“四种取向”的评估。这些机制各有千秋，但也暴露出共同的短板：要么过于僵化，限制了创新的提交；要么过于宽松，导致审稿成为形式主义的填空题。特别是在互惠政策日益收紧的背景下，审稿人往往感受到的是“被索取”的压力，而非“贡献”的价值。
这种现状下，审稿人很容易陷入“只要完成任务即可”的心理预设，审稿质量的退化成为不可避免的副产物。作者通过这种批判性的回顾，为后续的设计方案扫清了杂质，明确指出：在当前的技术和制度环境下，仅靠呼吁是无法扭转评审生态的逆流的。
两种前沿设计：积分制与可流通的特权
摆在桌面上的两个备选设计方案，标志着ML同行评审从“道德约束”向“经济激励”转型的关键一步。第一种也是本文重点推崙的方案，是引入一种类似“OpenReview Points”的积分货币体系。这种机制的巧妙之处在于其细粒度的操作性：审稿人通过贡献高质量的评审“获积分”，而非单纯依赖平台的算法推荐或管理员的主观判断。
更为关键的是，这些积分并非锁定在单一会议中流通，而是具备跨会议的可流通性。审稿人可以将积分“花费”在多个主要会议上，兑换不同类型的权益，如免注册费或申请额外的审阅资源。这种设计巧妙地解决了“零和博弈”问题：它不仅鼓励了审稿人的主动性，也通过积分的流动性，有效限制了低质量、敷衍塞责的提交行为。第二种方案虽未详列细节，但显然也在探索如何将审稿行为的价值转化为具体的学术利益。
货币化审稿：重塑学术生态的潜在路径
引入积分制，本质上是在利用行为经济学的工具，重新定义“审稿人”的角色定位。过去，审稿往往被视为一种必须履行的义务，是学术生态中默默无闻的奉献。而将其转化为一种可以积累、转移和兑换的“货币”，则赋予了审稿人实质性的主体性。这种机制的实施，或许能从根本上解决“谁来审稿、谁来买单”的悖论。
从正面看，这种激励机制能显著提升审稿的时效性和深度。当审稿人知道自己的劳动会直接转化为参加心仪会议的机会或获得其他专属权益时，他们自然更倾向于投入精力去阅读、分析和撰写高质量的报告。同时，积分的流通性也打破了会议间的壁垒，促进了学术资源的跨平台流动，这对于培养跨领域的研究视野具有积极意义。
前行的路：从实验到常态的跨越
尽管积分制方案听起来颇具吸引力，但其实施路径并非坦途。首先，如何界定“什么是“好审稿”？这种主质性的判断如果过度依赖自动化算法，可能会引入新的偏见；若完全依赖人工评审，又会增加管理成本。其次，积分的发放与使用需要一个高度透明、去中心化的账本系统来保证公信力，这在目前的学术基础设施中是一个巨大的挑战。
然而，作者的核心观点是明确的：摒弃“请客吃饭”式的劝说，转而采用“货币激励”才是破局的关键。这种转型或许需要时间去试错，需要社区在利益分配上达成新的共识。但可以预见的是，只要这种基于积分的机制能够在实际运行中证明其有效性，它就有望成为未来ML同行评审的主流范式，从根本上提升整个学术社区的审稿效率与质量。
结语
机器学习同行评审的困境已不再是一个新鲜话题，但真正能够破局的方案却屈指可数。本文所提出的积分制方案，打破了传统评审中“义务与回报”割裂的僵局，通过构建一种可流通的行为货币，重新审视了审稿人的动机与责任。这不仅仅是一个技术细节的调整，更是一场对学术礼仪和激励机制的深度重构。对于渴望看到ML评审质量提升的从业者和管理者而言，这篇位置论文提供了一个值得深思、也值得尝试的制度性创新蓝图。未来，随着区块链、声誉系统等技术的成熟，这类基于“积分”的激励机制或将在更广阔的学术场域中落地，真正实现“良性审稿”的自循环。