Институт Саймонса (Simons Institute, UC Berkeley) 28 сентября 2026 года опубликовал отчёт рабочей группы «AI and TCS: The Next Six Months»: 32 участника двухдневного воркшопа 9–10 сентября предложили сообществу теоретической информатики двенадцать конкретных мер адаптации к ИИ, от обязательного раздела «AI Methodology» со стандартизированной разметкой вклада моделей до лимита заявок и аттестации авторов на конференциях. Программный комитет STOC 2027 уже пообещал принять почти все рекомендации, поэтому нормы раскрытия ИИ-вклада заработают уже в ближайшем цикле рецензирования, а сам отчёт и сопутствующий LaTeX-шаблон доступны бесплатно на сайте института.

image

Что произошло

Рабочая группа «AI and TCS: The Next Six Months» сложилась вокруг двухдневного воркшопа в Институте Саймонса 9–10 сентября 2026 года: в дискуссии участвовали 32 исследователя, ещё 134 человека ответили на вопросы организаторов, а 28 сентября институт представил итоговый публичный отчёт. В нём двенадцать организуемых действий для теоретиков информатики (TCS). Ключевое — стандартизированный раздел «AI Methodology» в каждой публичной статье: вклад ИИ размечается по шести категориям, тестом служит вопрос «дали бы такому вкладу соавторство?», а сам подход построен по образцу таксономии CRediT, применяемой к вкладам людей; вместе с отчётом опубликован LaTeX-шаблон такого раздела. Отдельный блок посвящён трассировке происхождения ИИ-идей против «подсознательного плагиата», где обсуждается кейс с совпадениями выводов Gemini на задачах Эрдёша (arXiv:2601.22401). Для конференций рекомендованы лимит в пять заявок на автора, аттестация автора, право отклонять статью за плохое изложение с обоснованием в одно предложение рецензии и разрешённое ИИ-содействие рецензентам при обязательном раскрытии. Программный комитет STOC 2027 уже объявил о принятии почти всех рекомендаций.

Контекст

Давление на теоретическую информатику растёт по той же причине, что и в других научных областях: генеративные модели стали заметным помощником при формулировке гипотез, поиске набросков доказательств и подготовке текстов, объём подач в конференции увеличивается, и нагрузка ложится на рецензентов. До сих пор реакция состояла из отдельных заявлений и локальных политик конкретных журналов или программных комитетов; ценность отчёта в том, что сообщество TCS впервые свело свою позицию к единому набору процессных норм, опираясь одновременно на очный воркшоп и массовый опрос. Для разметки машинного вклада группа взяла готовый образец — таксономию CRediT, которая давно стандартизирует роли соавторов-людей в научных публикациях, — и адаптировала её логику к шести категориям ИИ-содействия, чтобы раскрытие было проверяемым, а не декларативным. Самым тонким направлением стала трассировка происхождения идей: совпадение результата модели с независимо полученным доказательством может быть статистической неизбежностью, а не заимствованием, что и показал разбор случаев с моделями на задачах Эрдёша, когда совпадения с известными решениями невозможно интерпретировать однозначно без дополнительных метрик.

Почему это важно для индустрии

Для отрасли это ранний, но настоящий сигнал рынка исследовательской комплаенс-инфраструктуры: раз топ-конференция STOC 2027 уже пообещала внедрить почти все рекомендации, аттестация автора, лимит в пять заявок и разделы о вкладе ИИ заработают на живом потоке заявок в ближайшие месяцы, а не останутся лозунгом. Стандартизированная разметка из шести категорий с порогом условного соавторства одновременно даёт материал для инструментов: disclosure-формы, машиночитаемые метаданные вклада, логирование сессий с моделями и метрики происхождения идей, которые сегодня существуют лишь как постановка задач. Модель раздела «AI Methodology» с большой вероятностью выйдет за границы TCS: от отчёта ожидается распространение на ML-конференции и математические журналы, где те же вопросы раскрытия обсуждаются без общего стандарта. Прямого коммерческого эффекта сейчас нет — перед нами правила процесса, а не продукт с интерфейсом или ценами, поэтому ближайшая работа для строителей продуктов состоит в сборке форм разметки и полей подачи по опубликованному шаблону.

Почему это важно для пользователей

Всё, что нужно для начала, лежит бесплатно: полный текст отчёта, LaTeX-шаблон раздела о вкладе ИИ и трекинг выполнения рекомендаций размещены на странице Simons Institute, поэтому шаблон можно внедрять в собственные документы уже сегодня. Если вы готовите заявки, настраивайтесь на аттестацию, учёт лимита в пять заявок на автора и требование корректного disclosing-раздела; если рецензируете, ИИ-содействие теперь допустимо, но требует явного раскрытия, а программным комитетам стоит согласовать локальные правила до дедлайнов. Очередной цикл STOC 2027 пройдёт почти целиком под новыми правилами, так что авторы проверят их на себе быстро — вместе с новыми полями disclosure в формах подачи. Студентам и аспирантам рабочая группа обещает пересмотр практики оценки диссертаций и норм корректной атрибуции работы с LLM, а также возможность официально покрывать расходы на LLM грантами.

Что пока неизвестно / ограничения

Насколько правила выдержат практику, покажет полный цикл подач STOC 2027. Порог «дали бы такому вкладу соавторство?» — субъективная экспертная оценка, и согласованность таких суждений между людьми пока не измерена, поскольку пилот не проводился. Раскрытие ИИ-вклада остаётся самоотчётным и для авторов, и для рецензентов: без аудита и журналирования сессий это слабое доказательство фактического использования моделей. У трассировки происхождения идей нет готовых метрик, порогов и процедуры разбора спорных случаев, а границу между совпадением и заимствованием размывает статистическая неизбежность совпадений выводов. Лимит в пять заявок сдерживает объём, а не качество, и может исказить стимулы через переупорядочение списков авторов и «гостевое» соавторство; открытым остаётся и вопрос обжалования отклонений, сопровождаемых одним предложением рецензии. Публичный отклик пока скромный: обсуждение на Hacker News ограничилось тремя баллами без комментариев, так что о восприятии норм широкой аудиторией говорить рано.

Источники

Автор

Look at AI, редакция