Esquema de coautoria paga em ML: 158 papers, 468 coautores

O hook: publicar em NeurIPS nunca foi fácil, mas será que é só pagar?

Quem trabalha com machine learning sabe o ritual: meses de experimentos, noites em claro ajustando hiperparâmetros, e ainda assim a chance de ser aceito em uma conferência top como NeurIPS é baixa. Agora imagine um programa que promete a estudantes do ensino médio coautoria em dezenas de papers – mediante pagamento. Parece bom demais para ser verdade. E, pelos indícios, é.

O fato: Kevin Zhu e a Algoverse AI Research

Uma rápida busca no OpenReview revela o perfil de Kevin Zhu: 158 publicações e 468 coautores. Impressionante para qualquer um, mas o que chama atenção é sua afiliação: Algoverse AI Research, um programa pago voltado para high school. No site, eles ostentam 289 alunos aceitos no NeurIPS 2025 (workshops). Mas ao folhear os papers, o castelo desaba.

Como funciona na prática (visão de operador)

O modelo é simples: alunos pagam para participar de projetos de pesquisa que resultam em submissões para workshops de ML. O custo? Não divulgado abertamente, mas provavelmente na casa dos milhares de dólares. Em troca, o estudante ganha coautoria em papers que, segundo a análise de quatro deles, contêm erros que qualquer revisor atento pegaria na primeira leitura. Exemplo concreto: em um paper, as Tabelas 6.5 e 6.6 descrevem condições experimentais diferentes (estigma negativo vs. positivo), mas apresentam exatamente os mesmos números. Outro paper tem 711 prompts quebrados em um dataset que deveria ter sido revisado por humanos. As citações parecem geradas por IA – referências incorretas e seções fora de ordem.

Arquitetura do esquema

Na prática, a Algoverse atua como uma fábrica de papers de baixa qualidade. Eles submetem em massa para workshops, que têm revisão menos rigorosa que conferências principais. O volume (158 publicações) sugere um processo automatizado de escrita e submissão. A latência entre submissão e aceitação é curta, e o custo operacional é baixo se grande parte do texto é gerada por IA. O problema é que isso engana estudantes que pagam caro por uma experiência acadêmica falsa.

O que isso muda na prática

Para quem está começando em ML, o alerta é claro: não compre coautoria. O currículo fica manchado quando a fraude é descoberta. Para a comunidade, isso polui a literatura e mina a credibilidade dos workshops. Revisores precisam ficar atentos a papers com muitos coautores de afiliações desconhecidas. Organizadores de conferências devem considerar mecanismos de verificação extra, como checagem de plágio e consistência de dados.

Uma ação prática imediata: denuncie. Se você encontrar indícios semelhantes, reporte ao comitê da conferência e ao OpenReview. Não compartilhe o link do programa – não dê visibilidade a eles.

Tensão: isso escala ou é um caso isolado?

A pergunta que fica: quantos outros programas similares existem? O modelo é replicável – basta um site, um perfil no OpenReview e um punhado de alunos dispostos a pagar. O custo de entrada é baixo, e o retorno (para o operador) pode ser alto se houver demanda. Por outro lado, a comunidade acadêmica está cada vez mais atenta a esse tipo de fraude. Mas enquanto as revisões de workshops forem superficiais, o incentivo para esses esquemas permanece.

Conclusão

Fraude acadêmica em ML não é novidade, mas quando mira adolescentes pagantes, a gravidade aumenta. Cabe à comunidade monitorar e agir. A pergunta que fica no ar: você confiaria em um paper com 468 coautores?