月投上限2篇！arXiv如何用300名志愿者对抗AI论文洪流

2026年9月，全球最大的学术预印本平台 arXiv收到了创纪录的40，363篇新投稿。到了10月1日，它宣布了一个简单而残酷的决定：每人每月最多只能提交2篇论文。

这个数字不是凭空想象的约束。过去两年里，arXiv的月投稿量从20，569篇翻倍到了40，363篇。其中计算机人工智能领域（cs。AI）的增长更为惊人——两年内超过6倍。与此同时，客服工单膨胀到接近9，000个，而整个平台只有约300名志愿者审稿员。

开放科学承诺了无限的知识共享。但在AI驱动的论文生产流水线面前，这个承诺已经触到了系统的物理极限。

“薄论文”挤满了审核队列

问题的核心不是投稿量的增长本身，而是增长的性质。

arXiv官方的措辞很克制——他们称之为“薄论文”和“香肠论文”。内容是空洞的学术灌水产品。大量研究者在生成式大语言模型的辅助下，只需几天就能拼出一篇结构完整、引用规范、但缺乏实质创新的论文。这些论文被拆分成极小的增量单位逐个投递，即所谓“salami slicing”策略。

传统学术出版体系中，期刊编辑团队承担着第一道筛选功能。arXiv作为预印本平台，长期以来不设全职编辑，完全依赖全球约300名志愿者的形式审查。每一份“香肠论文”都会占用一位志愿审稿人宝贵的时间——而这些审稿人大多本身就是全职科研人员。

当一个人的月度工作量已经从一篇变成可能几十篇时，系统就崩溃了。

arXiv将这次限流明确标注为“权宜之计”。它在政策文件中坦承：目前尚无成熟的自动化AI内容检测工具可以直接过滤低质量稿件。因此，最直接的解决方案就是砍掉供给端的数量——不管你写得好不好，一个月只能来两次。

如果答案仅仅是“投稿太多了”，这项政策可以在任何时间点推出。但它恰好发生在arXiv历史上最重要的组织结构变革之后。

2026年7月1日，arXiv正式从康奈尔大学分拆成为独立非营利组织。三天后，它迎来了历史上第一位首席执行官——前麻省理工学院科技评论编辑部员工Dr。 Penelope Lewis。同期，西蒙斯基金会在内的三家慈善机构作出了多年期多百万美元财务承诺。

旧架构下的arXiv更像社区自治项目。新架构则需要证明其公共价值，向资助方交代资源使用效率。Penelope Lewis的首份重大政策决定，本质上是一次组织独立后的立场宣示：开放科学不能没有边界。AI论文爆炸给了新治理结构一个不可回避的决策窗口——而现在不采取行动，以后会更难收口。

新政的细节比表面看起来更严格。

每位作者每个日历月内最多可提交2篇论文。关键点在于，这个数字不分学科——无论你是做数学、物理学还是人工智能，限额相同。此外，任意时刻账户下最多只能有3篇处于“活跃／审核中”状态的稿件。即使是当月被拒的论文，也同样计入那2次名额（除非作者在截止日前将其删除）。

这种设计显然不是为了保护某个特定领域，而是将所有学科的竞争拉平到一个统一的稀缺框架中。

对于一个普通博士生而言，原来可以在一个月内连续投递两三篇小改动论文的惯例将不复存在。对于一个高产的大型联合实验室而言，原先通过多个作者账户分发投稿的策略也会遇到挑战。当然，临床医生疫情期间的紧急发表或对已有工作的修订版本——这些是否会在未来获得特殊通道？arXiv尚未给出明确回答。

从产业链角度看，这场限流会触发几股力量的重新分配。

首先是高产出导向的考核体系面临压力。高校的“非升即走”制度和基金申请的论文数量要求在新规下面临直接考验。如果一个人一年可以高效完成24篇合格论文的产出，现在他被压缩到了24篇——但这24篇必须是真正的创新成果。

其次是替代性预印平台。Research Square、OpenReview等服务在过去几年已积累一部分用户基础。它们是否会成为arXiv溢出需求的主要承接者？市场趋势是清晰的：一旦arXiv的准入标准变得刚性，一定比例的稿件必然流向其他渠道。这对这些平台的审核能力提出了提前考验。

第三是学术界必须重新评估哪些AI工具允许用于论文准备阶段。当一个平台能够用极低成本批量生产论文时，开发和应用这类工具就不再仅仅是一个效率问题，而是一个合规风险。

arXiv限流的象征意义远远超过了政策本身。它标志着开放科学从“无限增长”转向“有限管控”的关键拐点。

在很长一段时间里，学术界的信条是“越快分享越好”。但AI改变了游戏规则。当信息的生产边际成本趋近于零时，稀缺的资源就不再是信息本身，而是信息的可信度和注意力。

arXiv当前的“停摆式”策略——用数量限制来购买时间——是一种被迫的中间路线。它的潜在效果取决于两件事：一是arXiv能否在接下来几个月内开发出足够可靠的AI内容鉴别工具；二是学术界是否愿意接受一种全新的协作模式，在这种模式中，发表速度不再是衡量价值的核心指标。

对于每一位日常使用arXiv的研究者来说，最值得追踪三个指标：

第一，11月中旬公布的实际拦截率。 arXiv管理层已暗示将在11月中旬公布新政运行第一个月的初步统计——包括多少投稿因超额被自动拒绝、多少来自高产出账户的流量下降。

第二，cs。AI以外学科的投稿量变化。 如果人工智能领域的限流效应传导到物理、数学等其他学科，说明配额机制产生了全局性挤压。

第三，替代平台的月活跃用户增长率。 Research Square和OpenReview在近一个月的注册量和投稿量变化，将是判断溢出规模的最直接信号。

开放科学不会回到过去的“无限自由”时代。但新的秩序应该建立在更聪明的审核机制之上，而不是简单粗暴的数量枷锁上。arXiv给出的这个答案，值得整个学术界认真对待。