最近 ICLR 吃瓜不断，前一阵子听说有 Review 用 LLM 生成了 40 个评审意见，今天有听说有 xx% 的评审意见被发现时使用 LLM 生成的。虽然大家都讨厌 LLM 生成的评审意见，但是不可否认的是，在个人知识的输入与输出上，LLM 都能帮助我们大幅提效。今天的重点就是前者，用 LLM 高效地提取知识，从而获得洞见。后者如编程/写作，以后会在单开文章再聊。
这里我用 DeekSeek 分析了 ICLR 2025/2026 的 论文集，共 3704 + 1798 = 5502 篇。因为 ICLR 尚未正式接收，这里用的 Review 均分大于 6 分的文章。DeekSeek api 共花费了 18 块人民币。相比起来概览几千篇文献所需要花费的时间与精力，这类分析并没有我预想中的那么费钱，不知道你们是否有同样的感觉。这也给我打开了新思路，以后我会尝试用不同的 prompt，批量提取不同内容的信息，实现快速获取洞见的目的。
项目地址如下，这里只放图和主要结论，细节可以参考：
如果觉得项目还不错麻烦帮忙点个星星，十分感谢～
先说结论
- 研究重心从“单一模型/算法扩展”逐步转向“评测体系、推理能力与训练流程优化”，效率优化仍为长期主线；
- 强化学习占比从 7.0% 提升到 14.1%，关注度明显上升；benchmark 占比从 4.8% 提升到 7.4%
- 强化学习相关主题在 2026 论文集（2025年下半年投稿）显著抬头，可能与复杂任务的规划/交互能力需求增加有关；
- 评测与基准的重要性持续上升，提示社区对“可比性、可复现性与稳健性”的关注增强；
- 建议：
- 在方法设计上兼顾效率与流程（例如两阶段训练、统一框架与迭代改进），并强化对基准与零样本泛化的评估；
- 针对 LLM 的“推理+强化学习”结合方向值得进一步投入，关注采样与大规模数据处理的工程可行性。
数据展示
2025 年度
- 关键词云图：
- 关键词 Top20：
- 优化点 Top20：
2026 年度
- 关键词云图：
- 关键词 Top20：
- 优化点 Top20：
