机器学习研究已超越其交流规范，NeurIPS应有所行动

机器学习研究呈指数级增长，而其交流规范却未能跟上。我们认为NeurIPS应采用明确、可衡量的写作标准。我们分析了280万篇arXiv论文（1991-2025年）、24,772篇NeurIPS论文（1987-2024年）和2450万篇PubMed论文（1990-2025年），应用了经典可读性评分、Hohmann写作风格套件（包括煽情语言）、缩写密度和复用率、LLM作为评判者的可读性协议，以及来自OpenAlex和Semantic Scholar的引用。出现了四种模式。首先，NeurIPS摘要的每个经典可读性指标得分都更难阅读：Flesch阅读易读性从1987年的约24下降到2024年的13，而NeurIPS摘要中的煽情语言在2015年至2024年间上升了约50%。其次，NeurIPS标题中的缩写密度从1987年的每100个单词0.33个增长到2024年的3.21个，并且约89%的NeurIPS缩写使用次数少于十次，比整个科学界的基线高出十个百分点。第三，可读性更高的NeurIPS论文往往获得更多引用，表明可读性和影响力是相关的，而可读性较差的论文有保持碎片化的风险。LLM作为评判者的评分显示，NeurIPS摘要从1987年到2022年大致稳定，此后有早期改善迹象，这一模式与每个经典可读性指标都不一致，并提出了一个执行的设计问题：目标读者是人类还是LLM？最后，NeurIPS的论文数量在1987年至2024年间增长了约50倍。假设目标是优化人类读者，我们提出了七项标准，NeurIPS可以在NeurIPS 2027上试行：一个带有会议批准术语列表的缩写预算、一个人可读性阈值、更严格的引用标准、独立的视觉元素、一份通俗语言摘要、一个预注册的缩写词汇表，以及开源审计工具。