0
| 本文作者： 岑大師 | 2017-09-05 22:20 | 專題：NIPS 2017 |
又到NIPS發(fā)榜日，幾家歡樂幾家愁。今天，機器學習領域首屈一指的學術會議NIPS開始向投稿作者發(fā)送郵件確認論文結果：接受或拒絕。今年NIPS共錄用論文678篇，比起去年的571篇增長近20%。目前全部論文名單還未對外公布，之前雷鋒網有通過社交網絡整理了部分被接受論文的資料，參見：《剛剛，NIPS 2017 結果出爐，默默看各路大神公布喜訊》一文。
在學術界，NIPS大會在論文方面的爭議似乎比其他學術會議更為突出一些。例如去年在ML圈子里影響頗大的SARM論文撤稿事件就是在NIPS，以及像這位叫Thang Bui的博士生，在四項評分中獲得了不錯的分數（滿分5分），評審十分感動，然后拒絕了他：
（雷鋒網今年也詢問了這位博士生今年是否有論文被NIPS接收，但至發(fā)稿為止，尚未得到回復。）
上述的例子并不是特例。按照著名的NIPS實驗的結論，NIPS審稿人的口味差異相去甚遠，如果有第二個委員會重新把NIPS接收的論文審一遍，那么大半論文將會被Rejected，這簡直就和擲色子決定是否錄用差不多......
即便如此，還是有人戰(zhàn)績不錯，像NTT CS labs的科學家Mathieu Blondel?在Twitter上則表示，今年NIPS投2中2，近兩年在ICML和NIPS的成績是6投5中：
雷鋒網編輯在他的Twitter下請教如何才能提高NIPS的命中率？結果他的回答竟然是：“除非很有把握，否則我不會隨意投稿。”
其實在一年前的Reddit上，就有過關于如何提升NIPS、ICML等機器學習頂會命中率的討論，網友BeatLeJuce給出了如下9條寶貴意見：
1. 學會講故事。不要只說“我們做了XXX，效果很好，以及為什么相比傳統方法有改進”而是要向審稿人推銷你的想法；
2. 學會在論文中放幾個數學公式。不少審稿人就好這口兒；
3. 數學公式適可而止。如果你數學真的牛逼，不妨去投COLT吧；
4. 寫夠足夠長度。如果會議要求論文格式是8頁正文，你只寫了7.5頁，那斃掉你又多了一條理由；
5. 估計誰可能是你的審稿人，然后多引用他們的文獻(雷鋒網編輯一下子想到了Jürgen Schmidhuber斃掉Ian Goodfellow那篇牛逼GANS論文的故事)；
6. 模仿牛逼實驗室的論文寫法。雙盲評審下，如果審稿人感覺你是牛逼實驗室的成員，他們可能會手下留情；
7. 如果你寫的是應用領域的論文，請在Audio、Image、Video三個應用領域，沒有人關心其他應用領域；
8. 反復試驗，確認試驗結果的置信區(qū)間，讓結果經得起推敲（如果你的結果無法重復，那就只能看你怎么定義置信區(qū)間了）；
9. 確保你的工作具備獨創(chuàng)性，并在介紹部分說明為什么你的工作具備獨創(chuàng)性 。
另外雷鋒網還發(fā)現了一項頗有意思的統計：經濟基礎決定上層建筑，NIPS錄取率（可能）與作者所在國家經濟水平相關。有人做了一個近10年NIPS接受論文的國家統計以及作者所在國家的人均收入水平的統計，結果發(fā)現人均收入3萬-5萬美元的美國、英國、加拿大、德國、法國等經濟水平較好的國家表現突出，而平均經濟水平較低的非洲10年里沒有出過一篇NIPS論文，南美洲10年里也只有11篇。中國和印度因為人口基數大得以成為特例，10年前這兩個國家的作者想要中NIPS論文很難，而幾年來有明顯的加速增長趨勢。按此估計，今年NIPS錄用的來自中國的文章大概在30-40篇左右。
（NIPS 2006-2016論文不包括美國的其他國家及收入水平統計圖，泡泡大小代表文章數量）
（包括美國的統計圖，美國一騎絕塵）
上述分析多少有些道理，畢竟人工智能是經濟發(fā)展到了一定水平之后才有實際的研究意義。但中國學者近幾年在各大學術會議上的表現突出，這實際上也是中國人工智能研究厚積薄發(fā)的表現。如清華大學助理研究員劉知遠在知乎“AI領域的灌水之風如何破局？”問題下回答：
回想2006年我剛讀博士生的時候，國內中1篇頂會就能上校系新聞，很多學生還要巴巴地去MSRA等機構深造一下才能發(fā)出頂會論文。短短的10年后，國內能夠在頂會上持續(xù)發(fā)表論文的單位和學者已經遍地開花，學術氛圍空前濃厚。在這樣的氛圍下，相信大家自然會不斷提高研究品位和水平，催生“引領”式的成果。路是一步一步走的，飯是一口一口吃的，不應該因為吃到第六個饅頭吃飽了，就埋怨不該費神吃前面那五個。
相信在未來幾年，國內研究者在AI頂會上會有更好的表現，也希望到那時，“如何才能在NIPS發(fā)論文”不再是一個值得專門提出來的問題。
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
專題
