ICML 2023禁止使用大型语言模型写论文！LeCun转发：中小型模型可以用吗？
点击下方卡片，关注“CVer”公众号
AI/CV重磅干货，第一时间送达
转载自：新智元 | 编辑：昕朋 David
【导读】AI顶会ICML征稿日在即，关于道德准则的新政策却引来网友不满！规则要求作者不能使用大型语言模型，网友评论区刷屏询问：为什么？
昨天，国际机器学习会议（ICML）发布了2023论文征稿公告。
论文提交日期为1月9日至1月26日。
然而，本次会议中关于「道德准则」的要求却引来了众多不满。
LLM不可控，还是ban掉吧
严禁任何形式的抄袭，以及审稿人、领域主席（AC）和高级领域主席（SAC）对特权信息的不道德使用，例如共享此信息，或将其用于评审过程以外的任何其他目的。
禁止包含从大规模语言模型（LLM）（如ChatGPT）生成的文本的论文，除非这些生成的文本作为论文实验分析的一部分呈现。
所有可疑的不道德行为都将由道德委员会进行调查，被发现违反规则的个人可能会面临制裁。今年，我们将收集被发现违反这些标准的个人姓名；如果代表会议、期刊或其他组织的个人出于决策目的要求提供此列表，我们可能会向他们提供此信息。
其中，「禁止使用大型语言模型写论文」一条要求被网友热议。
此消息已发布，网友纷纷在ICML推特下评论：「为啥不能用大型语言模型？」
AI论文不能用AI，合理吗
他解释说：「因为拼写检查应用和文本预测也是语言模型。」
最后，LeCun阴阳道：「明年的ICML道德准则应该变成：研究人员必须徒手完成各种计算，不能借助计算机；各类图形必须用笔和纸手绘；从今天起，ICML的官方语言变为瑞典语（瑞典：？）。」
最后，还不忘转发一部电影《疯了》，总结自己对ICML政策的评价。
在LeCun的帖子下，网友们各显神通，纷纷整活。
一位网友给ICML提供了新的思路：「另一种表述此策略的方式是‘提交中的所有文本都应由参数小于100B或超过1万亿的神经网络生成’。」
还有人假装是ICML的评审，给ChatGPT打广告：「作为ICML和其他会议的评审 ，我很欣赏作者们使用ChatGP等工具润色文章。这会让他们的论文更加清晰易读。（该帖已经过ChatGPT的修改）」
对于该规则，MIT教授Erik Brynjolfsson简单概括：「这是场必败之仗。」
除了整活玩梗，也有人认真表达了自己对ICML规定的想法。
AAAI前主席Thomas Dietterich说：「这个规定很怪，对于一个人工智能会议来说更是如此。我们应该欢迎所有为科学技术做出贡献的文章，不论作者是否接受了AI的辅助。」
也有人给ICML改进建议：
使用大型语言模型来进行审校对于改善拼写和语法很有裨益。Grammarly，Notion，Google Docs甚至Word都会用到大型语言模型。
看起来，解决方法是解释清楚使用大型语言模型的原因和用途，而非一味禁止。
原来不止我用Grammarly检查拼写和语法（doge）。
当然，也有网友对此表示了理解，认为此举是为了保护评审的权威。
网友Anurag Ghosh评论道：「我认为ICML的要求是为了防止那些看似正确的论文发表。例如机器学习领域发表的5篇编造/AI生成的论文。这会暴露同行评审的缺陷。」
也有人认为，「大型语言模型只是工具，如果它们就可以生成质量更高的论文，那又如何？这些研究的主要贡献不来自于大型语言模型，而来自那些研究人员。难道我们要禁止研究人员接受任何形式的帮助，比如谷歌搜索，或是不能和没有利害关系的人谈论此事吗？」
由于最近几年大语言模型的热度始终不减，这次ICML提出的禁令引发的学者和网友热烈讨论，想必还会持续一段时间。
不过目前看下来，有一个问题似乎还没人讨论，如何判断一篇文章的片段是不是大语言模型生成的？如何验证，靠查重吗？毕竟真要是机器模型生成的文章，谁也不会特意标注一个「本文是大语言模型自动生成的」，对吧？
更何况，研究论文这种逻辑清晰、结构明确、语言风格高度模式化的文章，简直就是大语言模型发挥的最佳场所，即使是生成的原文略显生硬，但如果是当个辅助工具来用，怕是很难辨别，也就难有明确的标准来实施这个禁令。
这样看来，这次ICML的审稿人肩上的担子，怕是又要重了不少了。
点击进入—>CV微信技术交流群
CVPR/ECCV 2022论文和代码下载
后台回复：CVPR2022，即可下载CVPR 2022论文和代码开源的论文合集
后台回复：ECCV2022，即可下载ECCV 2022论文和代码开源的论文合集
后台回复：Transformer综述，即可下载最新的3篇Transformer综述PDF
目标检测和Transformer交流群成立
扫描下方二维码，或者添加微信：CVer222，即可添加CVer小助手微信，便可申请加入CVer-目标检测或者Transformer 微信交流群。另外其他垂直方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer等。
一定要备注：研究方向+地点+学校/公司+昵称（如目标检测或者Transformer+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群
▲扫码或加微信号: CVer222，进交流群
CVer学术交流群（知识星球）来了！想要了解最新最快最好的CV/DL/ML论文速递、优质开源项目、学习教程和实战训练等资料，欢迎扫描下方二维码，加入CVer学术交流群，已汇集数千人！
▲扫码进群
▲点击上方卡片，关注CVer公众号
整理不易，请点赞和在看
微信扫码关注该文公众号作者