人工知能（AI）分野のトップカンファレンスで、論文の爆発的増加に直面する中、著者自身による論文の自己評価を導入する試みが注目されている。ペンシルベニア大学の数学者、Buxin Su氏らの研究によると、近年のAIカンファレンスへの論文提出数は10年間で10倍以上に急増しており、特に複数論文を提出する著者が多数を占めることが問題視されている。この状況下で、Su氏らは著者自身が複数の論文を提出した場合、それらを相互に比較・順位付けする「自己評価システム」を提案。この評価は、審査者による客観的な評価と照らし合わせて校正され、論文の質と潜在的インパクトをより正確に評価する仕組みとなっている。 2023年の国際機械学習会議（ICML）に提出された2,592件の論文を対象に実験した結果、自己評価が最も高い論文は、最低評価の論文に比べて2倍以上の引用数を獲得していた。研究チームは、著者の自己評価が長期的な学術的インパクトを予測する有力な指標であると結論づけている。また、校正されたスコアは、論文の真の質をより正確に反映していると指摘している。 この手法は、2026年のICML（ソウル開催）で正式に導入される予定で、Su氏は同会議のインテグリティ委員会メンバーとしてその実施を推進している。AIカンファレンスは、複数論文提出の傾向に加え、AI生成論文の増加も重なり、審査負荷が極めて高まっている。このような背景から、この自己評価制度は特に有効な解決策とされている。 専門家からの反応は前向きだが、懸念も存在する。カーネギー・メロン大学のNihar Shah氏は、著者の自己評価が審査者の判断を上回るという主張に懐疑的であり、研究手法のバイアスが結果に影響している可能性を指摘。一方、カリフォルニア大学バークレー校のEmma Pierson氏は、「著者が最も誇りに思う論文は何か」という直感的な判断は、貴重な情報源になり得ると評価。ただし、審査の公正性を損なうよう意図的にスコアを操作するリスクも指摘されている。 この取り組みは、AI研究の質管理と透明性向上に向けた重要な一歩とされ、今後の学術評価の在り方を変える可能性を秘めている。