AI的必然要求：在机器学习中扩展高质量同行评审

同行评审是机器学习（ML）科学进步的基石，但目前正面临规模危机。提交至 NeurIPS、ICML 和 ICLR 等顶级 ML 会议的稿件呈指数级增长，超出了合格评审者有限的承受能力，引发了人们对评审质量、一致性以及评审者疲劳的担忧。本立场论文主张，AI辅助的同行评审应成为紧迫的研究与基础设施优先事项。我们提倡构建一个全面的AI增强生态系统，利用大语言模型（LLMs）作为作者、评审者和领域主席（ACs）的复杂协作者，而非替代人类判断。我们提出了AI在增强事实验证、指导评审者表现、协助作者提升质量以及支持ACs决策方面的具体角色。至关重要的是，我们认为此类系统的开发依赖于获取更细粒度、结构化且符合伦理的同行评审过程数据。我们概述了一项研究议程（包括示例性实验）以开发和验证这些AI助手，并讨论了重大的技术与伦理挑战。我们呼吁ML社区主动构建这一AI辅助的未来，在保持高同行评审标准的同时，确保科学验证的持续完整性与可扩展性。