arXiv begrenzt Einreichungen: Nur noch zwei Papers pro Monat

12.10.2026 | Allgemein, KI

arXiv führt ab 1.10.2026 ein Monatslimit ein.

In Kürze

  • 2 Einreichungen pro Person und Monat
  • Moderation entlasten; KI‑Texte reduzieren
  • Vorläufige Regel; Tools sollen später helfen

Ab sofort nur noch zwei Einreichungen pro Monat: arXiv zieht die Zügel an

Ab dem 1. Oktober 2026 dürfen Forschende auf arXiv nur noch maximal zwei Papiere pro Person und Kalendermonat hochladen. Die Preprint-Plattform begrenzt damit die Zahl der monatlichen Einreichungen deutlich; die schon zuvor eingeführte Obergrenze von drei gleichzeitig aktiven Einreichungen bleibt bestehen. Das neue Limit gilt für alle Kategorien und bezieht sich auf die einreichende Person — Co‑Autoren sind also nicht von der Begrenzung betroffen. Abgelehnte Einreichungen zählen weiterhin mit, weil sie Moderationsressourcen beanspruchen; wer ein Paper vor der Veröffentlichung löscht, macht den Platz wieder frei.

Warum diese Maßnahme jetzt kommt

arXiv nennt als Hauptgrund die massive Zunahme von Einreichungen in den vergangenen zwei Jahren. Im September 2024 gingen rund 20.569 Papiere ein; im September 2026 waren es bereits 40.363. Zum Vergleich: Vor zehn Jahren, im September 2016, lagen die Einreichungen bei 9.869. Diese Verdoppelung in kurzer Zeit hat die Community und die ehrenamtlichen Moderator:innen stark belastet: Fast 9.000 Support-Tickets wurden registriert, und speziell die Informatik‑Kategorie cs.AI wuchs in zwei Jahren mehr als sechsfacht.

Moderator:innen berichten von mehreren Problemen: einer Häufung sehr kurzer, marginaler Beiträge, gezieltem „Salami“-Zerteilen von Ergebnissen (viele kleine Papers statt eines umfangreicheren), sowie zunehmend dichten Texten, die offenbar teilweise von KI-Systemen erzeugt wurden. ArXiv erklärt, eine relativ kleine Gruppe von Autor:innen reiche unverhältnismäßig viele minderwertige Papiere ein und binde dadurch viel Moderationszeit — Zeit, die für die Prüfung qualitativ hochwertiger Arbeiten fehlt.

Was arXiv mit dem Limit erreichen will

Die Plattform zielt vor allem darauf ab, sogenannte „Micro Result“-Papers einzudämmen — Arbeiten, die etwa nur eine einzelne Zusatzmessung (Ablation) oder eine minimale Architekturänderung beschreiben. Die Regel wird von arXiv als Übergangslösung bezeichnet: parallel sollen Moderationswerkzeuge weiterentwickelt werden, damit das Limit in Zukunft eventuell wieder gelockert oder aufgehoben werden kann.

Details zur Umsetzung

  • Zwei Einreichungen pro Person pro Kalendermonat, wirksam ab 1. Oktober 2026.
  • Drei gleichzeitig aktive Einreichungen pro Person bleiben bestehen.
  • Maßgeblich ist die einreichende Person; Co‑Autoren unterliegen nicht der Monatsbegrenzung.
  • Abgelehnte Einreichungen zählen mit; Löschungen vor Veröffentlichung geben den Platz wieder frei.

Weitere Regelverschärfungen und der breitere Kontext

Die Monatsbegrenzung ist bereits die dritte größere Restriktion innerhalb eines Jahres: Im November 2025 machte arXiv für Informatik‑Papers Übersichts‑ und Positionsartikel an ein bestandenes Peer‑Review gebunden. Im Mai 2026 kündigte die Plattform ein einjähriges Ausschlussverfahren für Autor:innen an, deren Arbeiten eindeutig ungeprüfte Ausgaben großer Sprachmodelle (LLMs) enthalten.

Ähnliche Belastungen zeigen sich auch bei großen KI‑Konferenzen: ICLR 2027 zählte vor Fristende etwa 50.000 Abstracts — zum Vergleich meldete ICLR 2026 rund 19.500 Einreichungen. Bei NeurIPS 2025 entdeckte ein Tool namens GPTZero in fast 5.000 akzeptierten Papers mindestens 100 erfundene Quellenangaben.

Finanzierung und strukturelle Veränderungen

Nach 25 Jahren bei der Cornell University hat sich arXiv am 1. Juli 2026 in einen unabhängigen, gemeinnützigen Verein überführt. Ende September sagten die Simons Foundation International, XTX Markets und das Siegel Family Endowment zusammen 17,2 Millionen US‑Dollar über drei bis fünf Jahre zu. Ein Teil dieser Mittel soll in technische Weiterentwicklung fließen — ausdrücklich auch in Werkzeuge für den Umgang mit KI‑generierten Inhalten.

Wie große KI‑Labore darauf reagieren

Parallel zur Diskussion um Preprints treibt die Industrie die Nutzung von KI als Forschungsassistent voran. DeepMind hat sein Tool „Co‑Scientist“ erweitert, damit es Experimente planen, Laborgeräte steuern und Manuskripte erzeugen kann. Anthropic baut ein Biologielabor auf, in dem KI‑Modelle Roboter anleiten sollen. OpenAI stellte einen „automatisierten Forschungspraktikanten“ vor, der unter menschlicher Leitung klar umrissene Aufgaben erledigen kann.

Eine jüngere Studie, an der unter anderem Princeton und das UK AI Security Institute beteiligt waren, ließ das Modell Claude Opus 4.8 sechs Tage an Fragen zu zwei unveröffentlichten NeurIPS‑Papers arbeiten. Die Originalautoren, die als Reviewer fungierten, lehnten beide Ergebnisse ab.

Was als Nächstes ansteht

ArXiv betont, dass die Monatsbegrenzung vor allem dazu dient, die Moderation zu entlasten, bis skalierbarere technische Lösungen verfügbar sind. In den kommenden Monaten werden sich zeigen, ob die Maßnahmen die Einreichungsflut verlangsamen und wie schnell die Plattform zusätzliche Tools implementiert, um mit KI‑generierten oder sehr kleinteiligen Arbeiten umzugehen.

Quellen

  • Quelle: arXiv
  • Der ursprüngliche Artikel wurde hier veröffentlicht
  • Dieser Artikel wurde im Podcast KI-Briefing-Daily behandelt. Die Folge kannst du hier anhören.

💡Über das Projekt KI News Daily

Dieser Artikel wurde vollständig mit KI generiert und ist Teil des Projektes KI News Daily der Pickert GmbH. Wir arbeiten an der ständigen Verbesserung der Mechanismen, können aber leider Fehler und Irrtümer nicht ausschließen. Sollte dir etwas auffallen, wende dich bitte umgehend an unseren Support und feedback[at]pickert.io

Vielen Dank! 🙏

Du möchtest deine Prozesse optimieren und automatisieren?

KI News Daily ist unser Showcase für Automatisierung. Wir nutzen unterschiedlichste Technologien, je nachdem, welches Prozessproblem du lösen möchtest. Ins Thema einsteigen kannst du beispielsweise mit unserer KI-Reifegradanalyse.

Aktuelle KI-News auf dem Blog

KI‑Agenten im Team: Mehr Kosten, kaum besserer Output

KI‑Agenten im Team: Mehr Kosten, kaum besserer Output

Tests von Vals AI und Anthropic zeigen: KI‑Agenten‑Teams treiben Kosten stark, bringen selten proportional bessere Qualität. Nutzen hängt von Aufgabe, Token‑Kosten und Koordination ab.In KürzeTeams 1,8–5,1× teurer; Qualität steigt kaum proportionalAbnehmende Erträge:...