2026年10月1日，全球最重要的学术预印本平台之一 arXiv 正式更新投稿限流政策。
根据新规则，每位提交者每个自然月最多只能提交两篇新论文，同时处于 active 状态的投稿不能超过三篇。已经发表论文的频繁版本更新也受到进一步限制。
表面上看，这只是一次平台运营规则调整。
但如果把它放到生成式AI、AI科研智能体和AI for Science快速发展的背景下看，这件事其实具有更深层的意义：
AI正在让“论文生产”变得越来越便宜，而科研系统首先承受不住的，开始变成人类的审核能力和注意力。
投稿量正在快速膨胀
arXiv公布的数据非常直观。
2016年9月，平台收到约9869篇投稿；到2024年9月，这一数字增长到20569篇；而2026年9月，投稿量已经达到40363篇。
也就是说，两年时间，投稿规模几乎再次翻倍。
其中人工智能领域增长尤其明显。
arXiv表示，过去两年中，计算机科学AI分类 cs.AI 的投稿数量增长超过6倍，而不少其他学科同期大约增长一倍。
与此同时，平台的人工审核压力也在迅速增加。仅2026年9月，arXiv就产生了约9000个支持工单，大量问题最终仍然需要工作人员和志愿审核人员处理。
这正是此次限流政策出台的重要背景。
AI正在降低“生产一篇论文”的成本
过去，论文数量天然受到科研流程限制。
从提出问题、查阅文献、编写程序，到完成实验、分析数据、绘图、写作和修改，每一个环节都需要研究人员投入大量时间。
因此，即使研究人员非常高产，一年能够完成的论文数量也存在相对明显的上限。
但生成式AI正在改变这一点。
今天，越来越多工具已经能够参与科研流程：
文献检索可以交给AI Agent；
代码可以由Coding Agent生成；
数据可以自动分析；
图表可以自动制作；
文献综述、论文初稿甚至审稿意见回复，也都可以由大模型辅助完成。
再进一步，正在发展的AI Scientist和自主科研智能体甚至试图把这些环节串联起来，形成：
提出假设—运行实验—分析结果—撰写论文
的自动化闭环。
结果就是，科研内容的生产速度正在显著提高。
问题在于，人类阅读论文和判断论文价值的速度，并没有同步增长。
真正稀缺的资源开始变成“专家注意力”
这可能才是此次arXiv限流最值得关注的地方。
AI可以在数小时内帮助生成一篇结构完整、语言流畅的论文，但一个真正懂这个领域的专家，仍然需要花时间判断：
这个问题是否真的有创新？
实验设计是否合理？
结论是否被数据支持？
引用是否准确？
是不是已有工作的简单改写？
是否把本来可以组成一项完整研究的内容拆成多篇“小论文”？
arXiv在公告中也特别提到了两类现象：
一种是“Thin Papers”，即内容比较单薄、贡献有限的论文；
另一种是“Salami Papers”，即把一项研究切分成很多小论文分别投稿。
生成式AI并不是这些问题的唯一原因，但它确实大幅降低了生产此类内容的门槛。
于是科研系统出现了一个越来越明显的不对称：
AI生成内容的速度，开始超过人类审核内容的速度。
从这个角度看，arXiv现在做的，本质上并不是简单限制论文数量，而是在给一个已经接近过载的“人工审核队列”增加Rate Limiter。
这并不意味着arXiv反对AI
需要强调的是，arXiv并没有禁止使用生成式AI。
目前其政策依然允许研究人员使用AI工具，但要求重要的生成式AI使用按照相关学科规范进行披露，同时论文作者必须对全部内容负责。
AI工具不能成为论文作者。
因此，这次政策针对的并不是“AI科研”本身，而更接近于：
不能让AI带来的无限内容生产能力，无限制占用有限的公共学术基础设施。
这一点非常重要。
“每月两篇”可能只是临时方案
当然，每人每月最多两篇论文也是一种非常粗粒度的管理方式。
对于真正高产的研究人员和实验室而言，几项互相独立的研究完全可能在同一个月同时完成。
而在AI、数学、计算机科学等快速竞争领域，arXiv不仅是论文传播平台，也承担着快速公开研究成果和建立时间记录的重要作用。
如果因为额度限制不得不等待一个月，也可能带来新的问题。
arXiv自己也承认，这是一项“stopgap”，也就是过渡性措施。
未来平台还会继续改进审核工具和审核流程。
这意味着，“每月两篇”未必会成为最终状态，它更像是现有科研基础设施面对AI带来的生产力跃迁时，采取的一次紧急流量控制。
AI科研真正进入了第二阶段
过去几年，AI for Science讨论最多的问题是：
AI到底能不能做科研？
能不能提出假设？
能不能证明定理？
能不能设计实验？
能不能发现新材料、新药物？
但arXiv这次限流暴露出了另一个可能更加现实的问题：
如果AI真的可以大规模生产科研成果，人类如何判断哪些成果值得阅读？
未来科研体系可能不仅需要AI Scientist，还需要另一类系统：
AI Reviewer、AI Critic、AI Moderator。
它们负责检查创新性、验证引用、寻找已有工作、分析实验完整性、判断结果是否可复现，然后再把真正值得专家关注的研究交给人类。
换句话说，AI科研正在从第一阶段的：
“如何生产更多知识”
逐渐进入第二阶段：
“如何从海量知识中筛选真正有价值的知识”。
arXiv此次限流，表面上只是一次投稿规则调整。
但它可能标志着一个更深层的变化：
生成式AI带来的“内容通货膨胀”，已经从互联网内容平台，开始真正进入科学研究体系。
未来科研最大的瓶颈，也许不再只是知识生产，而是知识验证、知识筛选，以及人类最稀缺的资源——注意力。