مهر
اخبار
سقف دو مقاله در ماه؛ arXiv جلوی سیل مقاله‌های هوش مصنوعی را گرفت
مخزن پیش‌چاپ arXiv بعد از رکورد ۴۰ هزار و ۳۶۳ مقاله در یک ماه، از اول اکتبر ۲۰۲۶ هر ارسال‌کننده را به دو مقاله در ماه محدود کرده است. این ماجرا نشان می‌دهد هوش مصنوعی فقط نحوه‌ی نوشتن را عوض نکرده، نظام علمی را هم زیر فشار گذاشته است.
لیست مطالب
۱. چه اتفاقی افتاد؟ قانون تازه‌ی arXiv در یک نگاه
مخزن پیش‌چاپ arXiv سال‌هاست جایی است که پژوهشگران فیزیک، ریاضی و علوم کامپیوتر نتیجه‌ی کارشان را پیش از داوری رسمی ژورنال‌ها منتشر می‌کنند. از اول اکتبر ۲۰۲۶، این مخزن یک محدودیت صریح اعمال کرده است: هر ارسال‌کننده در هر ماه تقویمی فقط می‌تواند دو مقاله ثبت کند. این سقف در همه‌ی دسته‌بندی‌ها یکسان است و مهم نیست مقاله بعداً پذیرفته شود یا رد شود؛ هر ارسال از سهمیه کم می‌شود.
علاوه بر سقف ماهانه، قاعده‌ی دومی هم وجود دارد: هر ارسال‌کننده نمی‌تواند بیش از سه ارسال همزمان فعال داشته باشد. یعنی کسی که چند مقاله در صف بررسی دارد، پیش از آن‌که آن‌ها تعیین تکلیف شوند نمی‌تواند مقاله‌ی تازه‌ای وارد صف کند. هدف روشن است: جلوگیری از انباشته شدن صف بررسی با ارسال‌های پشت‌سرهم.
اعلامیه‌ی رسمی را کت بوریس از طرف arXiv منتشر کرد و رسانه‌هایی مانند Techmeme و چند سایت خبری فناوری آن را بازتاب دادند. لحن اعلامیه محتاطانه است؛ arXiv این اقدام را یک «راه‌حل موقت» می‌نامد و نه تغییر دائمی سیاست انتشار.
۲. اعداد پشت تصمیم؛ از ۹ هزار تا ۴۰ هزار مقاله
برای فهمیدن این تصمیم باید به اعداد نگاه کرد. در سپتامبر ۲۰۲۶ تعداد ارسال‌ها به ۴۰ هزار و ۳۶۳ مقاله رسید که رکورد تاریخی arXiv است. همین ماه در سال ۲۰۲۴ حدود ۲۰ هزار و ۵۶۹ مقاله ثبت شده بود و در سپتامبر ۲۰۱۶ تنها ۹ هزار و ۸۶۹ مقاله. یعنی حجم ارسال‌ها در دو سال دو برابر و در ده سال چهار برابر شده است.
تندترین رشد در دسته‌ی هوش مصنوعی دیده می‌شود. ارسال‌های cs.AI در دو سال اخیر حدود شش برابر شده‌اند. این رشد را نمی‌توان فقط به افزایش تعداد پژوهشگران نسبت داد؛ ابزارهای نوشتن و تحلیل مبتنی بر مدل‌های زبانی هزینه‌ی تولید یک متن شبیه مقاله را بسیار پایین آورده‌اند.
فشار اصلی روی ناظران داوطلب افتاد. در همان ماه نزدیک به ۹ هزار تیکت پشتیبانی ثبت شد. arXiv برخلاف ژورنال‌های بزرگ تجاری، با تعداد محدودی ناظر و منابع محدود اداره می‌شود و هر مقاله‌ی ارسالی باید دست‌کم از فیلتر اولیه‌ی ناظران بگذرد.
۳. چرا هوش مصنوعی مقصر اصلی معرفی شد؟
توماس دیتریچ، رئیس شورای مشورتی تحریریه‌ی arXiv، دلیل را روشن گفته است: بخش کوچکی از نویسندگان تعداد زیادی مقاله‌ی کم‌کیفیت می‌فرستند و سهم نامتناسبی از وقت ناظران را مصرف می‌کنند. به گفته‌ی او، مقاله‌های جدی هم در این شلوغی «روزها یا هفته‌ها» معطل می‌مانند.
در توضیحات arXiv سه الگوی مشخص دیده می‌شود. نخست، مقاله‌های «نازک و با دامنه‌ی محدود» که ارزش علمی چندانی ندارند. دوم، مقاله‌های «سالامی»؛ یعنی یک پژوهش واحد که به چند مقاله‌ی ریز بریده می‌شود تا تعداد انتشارها بالا برود. سوم، متن‌های «چگال و تولیدشده با هوش مصنوعی» که ظاهر علمی دارند اما پشتوانه‌ی واقعی ندارند.
این موضوع با روند گسترده‌تری هم هم‌خوان است. بر اساس برآوردی که در خبرهای اخیر هوش مصنوعی مطرح شده، حدود ۳۱ درصد از متن‌های وب در اوت ۲۰۲۶ (پس از فیلتر) تولید هوش مصنوعی بوده است؛ رقمی که در ژوئن ۲۰۲۴ حدود ۱۰ درصد تخمین زده می‌شد. وقتی تولید متن این‌قدر ارزان شود، مخازن علمی هم به‌طور طبیعی هدف قرار می‌گیرند.
۴. جزئیات اجرایی؛ چه چیزی حساب می‌شود و چه چیزی نه
برای پژوهشگرانی که مقاله‌های مشترک می‌فرستند، جزئیات اجرایی اهمیت دارد. سقف دو مقاله برای «ارسال‌کننده» اعمال می‌شود، نه برای همه‌ی نویسندگان یک مقاله. مقاله‌ای با ده هم‌نویسنده فقط از سهمیه‌ی همان کسی کم می‌شود که آن را در سیستم ثبت کرده است. به همین دلیل گروه‌های پژوهشی باید زمان ارسال را بین اعضا هماهنگ کنند.
مقاله‌های ردشده هم از سهمیه کم می‌شوند. این یعنی یک ارسال ضعیف، فرصت ارسال بعدی را در همان ماه می‌سوزاند. از طرف دیگر، مقاله‌هایی که از ماه‌های قبل در انتظار مانده بودند یا پیش از اعلام حذف شده‌اند، از سهمیه‌ی جدید حساب نمی‌شوند.
نکته‌ی مهم این است که arXiv هنوز قاعده‌ی کامل و نهایی برای افشای استفاده از هوش مصنوعی ندارد. این سقف عددی، یک سد موقت است تا زمانی که راهنمای دقیق‌تر و ابزارهای بهتر مدیریت و تشخیص آماده شود.
۵. دانشگاه‌ها و کنفرانس‌ها هم همین فشار را دارند
arXiv تنها نیست. کنفرانس‌های بزرگ یادگیری ماشین مانند NeurIPS، ICCV و ICLR هم با موج ارسال مواجه‌اند. تعداد مقاله‌های ارسالی NeurIPS از ۹ هزار و ۴۶۷ مقاله در سال ۲۰۲۰ به ۲۱ هزار و ۵۷۵ مقاله در سال ۲۰۲۵ رسید. هر مقاله‌ی ارسالی چند داور می‌خواهد و تعداد داور شایسته به همان سرعت زیاد نمی‌شود.
در نتیجه یک شکاف ساختاری پدید آمده است: تولید متن ارزان و سریع است، اما ارزیابی علمی هنوز کار انسانی، کند و گران است. هر جا این دو به هم برخورد کنند، یا صف طولانی می‌شود یا سقف و محدودیت می‌آید. سقف دو مقاله‌ی arXiv نمونه‌ی روشن دومی است.
۶. این تصمیم چه تاثیری بر پژوهشگران واقعی دارد؟
برای بیشتر پژوهشگران، دو مقاله در ماه سقف بالایی است. یک پژوهشگر عادی در یک سال معمولاً چند مقاله منتشر می‌کند، نه بیست و چهار مقاله. بنابراین اثر مستقیم قانون روی اکثریت اندک است و هدف آن همان گروه کوچکی است که با ارسال انبوه، صف را اشغال می‌کنند.
با این حال دو نگرانی جدی مطرح است. اول، گروه‌های بزرگ و آزمایشگاه‌های پرکار که چند پروژه‌ی همزمان دارند ممکن است مجبور شوند نتیجه‌ها را با تاخیر یا با تغییر ارسال‌کننده منتشر کنند. دوم، معیار عددی همیشه عادلانه نیست؛ پژوهشگر خوبی که دو مقاله‌ی ضعیف فرستاده، همان‌قدر محدود می‌شود که کسی که ده مقاله‌ی بی‌ارزش ارسال می‌کند.
مدیران arXiv می‌دانند این معیار ابزاری خشن است و برای همین آن را موقت معرفی کرده‌اند. راه‌حل بلندمدت احتمالاً ترکیبی از افشای اجباری استفاده از هوش مصنوعی، فیلترهای خودکار بهتر و شاید نظام اعتبارسنجی برای ارسال‌کنندگان باشد؛ اما فعلاً هیچ‌کدام رسماً اعلام نشده است.
۷. درس این ماجرا برای دنیای هوش مصنوعی
ماجرای arXiv یک هشدار کلی است. هر سیستمی که مبتنی بر «توجه محدود انسانی» کار می‌کند، مانند داوری مقاله، بررسی برنامه‌های باگ‌بانتی، پشتیبانی مشتری یا ارزیابی استخدام، در برابر تولید انبوه محتوای ارزان آسیب‌پذیر است. همین الگو در برنامه‌های گزارش آسیب‌پذیری هم دیده شد؛ برای نمونه می‌توانید ماجرای توقف برنامه‌ی باگ‌بانتی گوگل به‌خاطر گزارش‌های ساختگی هوش مصنوعی را بخوانید.
برای کسانی که با هوش مصنوعی می‌نویسند، پیام روشن است: ابزار خوب جای تفکر و راستی‌آزمایی را نمی‌گیرد. اگر می‌خواهید از مدل‌ها در پژوهش و نوشتن استفاده کنید، یاد گرفتن نوشتن پرامپت اصولی و شناخت توانایی‌ها و محدودیت‌های واقعی هوش مصنوعی اولین قدم است.
این رویداد از زاویه‌ی کسب‌وکار هم قابل توجه است. اهمیت هوش مصنوعی در کسب‌وکار انکارناپذیر است، اما همان فناوری هزینه‌ی تولید محتوای کم‌ارزش را هم به صفر نزدیک می‌کند. سازمان‌هایی که فقط روی حجم تولید تکیه کنند، در نهایت با همین مشکل روبه‌رو می‌شوند: کیفیت، قابلیت اعتماد و ارزیابی.
برای آشنایی با شرکت‌ها و مدل‌هایی که این موج را ساخته‌اند، صفحه‌ی OpenAI چیست نقطه‌ی شروع خوبی است و برای دنبال کردن خبرهای روز می‌توانید به بخش اخبار هوش مصنوعی سر بزنید. اگر تازه‌کار هستید، آموزش‌های چت‌جی‌پی‌تی مسیر ساده‌ای برای شروع است. همچنین مقایسه‌ی چت‌جی‌پی‌تی و دیپ‌سیک نمونه‌ای از رقابت مدل‌هاست و مطلب توهم توسعه‌دهنده‌ی تنها در برابر مهندس واقعی نشان می‌دهد چرا بازبینی انسانی هنوز حیاتی است.
۸. سوالات متداول
سقف جدید arXiv دقیقاً چیست؟
هر ارسال‌کننده از اول اکتبر ۲۰۲۶ در هر ماه تقویمی حداکثر دو مقاله می‌تواند ثبت کند و همزمان بیش از سه ارسال فعال هم نمی‌تواند داشته باشد.
آیا مقاله‌ی ردشده هم از سهمیه کم می‌شود؟
بله. حتی اگر مقاله رد شود، از سهمیه‌ی دو مقاله‌ی همان ماه کم می‌شود.
سقف برای هر نویسنده است یا هر ارسال‌کننده؟
فقط برای ارسال‌کننده اعمال می‌شود. هم‌نویسندگان از سهمیه‌ی خود کم نمی‌کنند، اما گروه‌ها باید زمان ارسال را هماهنگ کنند.
این محدودیت دائمی است؟
خیر. arXiv آن را اقدام موقت می‌نامد تا ابزارهای بهتر مدیریت و قاعده‌ی روشن برای افشای استفاده از هوش مصنوعی آماده شود.
چرا این قانون به هوش مصنوعی ربط دارد؟
چون حجم ارسال‌ها در دو سال دو برابر شده و دسته‌ی هوش مصنوعی حدود شش برابر رشد کرده است؛ رشدی که مدیران arXiv آن را به تولید ارزان متن با مدل‌های زبانی مرتبط می‌دانند.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
