想发顶会,顶会审稿人告诉你要知道的论文技巧发表时间:2023-05-18 18:42作者:沃恩智慧 01 为什么想要发论文? 在发论文之前大家有没有一个清晰的想法就是我为什么要发论文?毕竟只有自己有足够的动机,想要做这件事才能做成这件事。 其实这个目的大致可以可以分为这么两大类,一是对自己,二是对他人。那么对于自己来说发论文又有主观因素和客观因素。 这里我们先从客观因素来说 首先,不管是硕士还是博士,想要毕业的话最终都是需要发论文,尤其对博士而言,发表论文的量,还有质不够高的话,毕业可能会有很大的问题。 其次,毕业找工作的时候,论文其实不是那么重要,但是,你有论文发表的话,HR会对你高看一眼。Ta会认为,你能力比较强,然后你拿到Offer的概率也会增加。如果在工作岗位上发论文其实并不是那么重要,但是在一些科研岗位,尤其是一些技术公司,他们希望自己公司做的东西比较的有创新性,这样可以增加公司的技术壁垒,在市场上提升公司的竞争性。发表论文,就是证明你做的东西非常有创新性的方式之一。 其次从主观因素来看 在准备论文、发表论文的过程中,其实可以说是对自己能力的全方位提升。现在大家就可以设想一下,在发表论文的过程中我们要做哪些事情呢? 首先,我们要确定一个研究方向(确定研究方向大部分情况下可能是你的导师决定的),那么我们需要做的事情就是要知道在这个方向或者问题上已经有哪些人、做了哪些事情。所以第一件事情是学习,学习已经有的方法,已有的知识。 其次,我们要看看这些知识中的方法,算法,它们有没有什么缺点,或者某些数据上,某些问题上是不是他的Performance比较好或不是特别好。又或许是不是他们对于有些问题压根就没法解决,也没有解决。所以接下来是要对算法以及问题进一步的研究。 再者,就需要靠自己的逻辑思维能力,来找到一个符合逻辑的解决方案去解决以前没有得到解决的问题。或者从其他领域里面找一找有没有相似的方法拿来跟之前的方法做融合,从而解决问题,同时锻炼了自己的逻辑思维能力。 最后,如果经过以上的过程你在复现代码或者是利用一些数据跑出了比较好的效果,那就是一个非常理想的状态。就把做出来的东西,学习到的知识写成一篇论文,接下来就是展示写作水平的时候了。 通过上面一系列的工作锻炼了自身很多能力,首先是学习能力,其次是对问题深入思考的能力,再者是逻辑思维能力,最后是总结和写作能力,这些能力不光是在写论文的时候非常重要,在今后的工作生活中也很重要。 当进入企业之后,大家遇到了一项任务,在拿到这个任务之后做的第一件事情是百度或者谷歌或者其他方式先去看一看网上有没有解决方案。这是大部分人做的第一件事情,如果可以用的话直接应用过来,然后把这个问题给解决,所以这里其实也还是一个学习的过程。 如果已有的一些方法解决不了这个问题呢?那么,大家有可能会基于已有的方法,想办法看能不能怎么给改一改,把这个问题给解决掉,这其实就是在运用自己研究问题的能力、锻炼自己的思维能力。写作能力也不能丢掉,今后不管工作还是科研都是要做报告的,这就要用到文笔了。 大家在写论文的时候一定要有自信,不要总觉得自己做的不行,你只要坚持下来就成功了一大半。明确了自己的目的,掌握了基本流程,接下来给大家介绍一下如何去发表一篇论文;然后再说说发表论文的时候,你可能会不知道一些小Tips,就是从审稿人的角度会比较看重哪些点? 02 如何发一篇论文 想要发表出一篇论文的话,首先要对整个论文发表的流程以及审稿流程有一个大致了解,做到知己知彼,百战不殆。 现在计算机科学发表论文的话一般是会发到会议或者期刊。 一些比较常见的顶级会议
顶级会议的投稿流程 在完成文章之后投到会议里边,只要你没有格式错误,那么就一定会送审。 接着,送审后,大概会经过1个月或者2个月之后,审稿人会把审稿意见返回给Conferen主办方; 然后,主办方会举办一个Rebattle,Rebattle就是你要回答审稿人的一些问题,之后再把自己回答的Rebattle提交上去; 最后,有Meta-review,算是Chair吧,就是比这个Reviewer更高一层的这个Reviewer,会根据审稿意见和你Rebattle的结果来决定对于你的论文接收与否。 所以这里基本上是一锤子买卖,就是说你文章投出去之后基本上是没有太多修改的机会。最多做个Rebattle去回答一下审稿意见。 这里就要拓展下另外一个知识点——单盲和双盲 双盲 就是投稿的时候,你的名字,你的Affiliation是不出现在你的论文里边的,所以审稿人不知道你是谁,而你呢,在回答这个问题,还有Rebattle过程中,也不知道审稿人是谁,这叫做双盲。 单盲 是你在交你的论文时候,你的名字还有Affiliation以及你的学校是出现在论文里面的,所以审稿人是知道这篇论文出自于谁。但是你不知道审稿人是谁。以前,KDD是单盲,现在KDD现在也是双盲了。 再来介绍一个比较新的审稿方式——Openreview ICLR其实一直都是使用这个Openreview,意思就是审稿人的审稿意见,是会Post在网上,所有人都可以看到这个审稿意见。NeurIPS也开始采用这个Openreview 的形式了。 最近几年,Artificial Intelligence以及Machine Learning领域比较的火,出现了投稿量暴涨的情况,投稿量增大,那么所需要的审稿人的数量也就会增大,就出现了可能是本科生或者从来没有发表过论文的人来协助审稿的问题。搞得审稿意见乘次不齐,当然,这只是很小一部分,大家不用过于担心。 期刊的话相对来说成熟一些 因为无论是任何领域,基本上可以认为是Natural系列一定是那个领域最好的期刊,除了医学领域。 期刊除了Natural还有Top Journal,还分1区2区3区4区等等。不过期刊的审稿流程和会议不太一样。 期刊的审稿流程 首先,投到这个期刊的这个Office之后呢,你的文章会首先分配一个叫做Editor。 然后,Editor会首先看一看你的论文,就是做一个初步的检查,决定是否送审,这里跟会议的区别在于期刊不一定会送审。 如果比较幸运的论文被送审了,在两个月之后Editor会根据审稿人的意见来决定是否接收。如果有不接收的情况,它有可能会给你Major revision。 一般来说,Major revision还有Accept算是非常好的结果,就是说他给了你一个去修改的机会,你如果能够按照审稿意见非常认真地一点点地把这篇论文完善的话,最终是非常有可能被接收的。 也就是说,送审的结果,可能是Reject,Minor revision,Major revision,Accept,只要不是直接Reject都算是好结果。 期刊的审稿,一般是单盲,就是说审稿人是可以看到你的名字和Affiliation的。当然,现在Natural系列的投稿是可以选择隐藏自己的姓名和分类的。 这里所要去注意的一点是对于期刊论文很多情况下Editor不一定送审,比如说,对于这个Natural系列,Editor可能会直接拒掉60%左右,很多投了期刊之后直接就被Editor拒了,根本连送审的机会都没有。 当然这个Editor就是Natural系列的Editor向来还是比较挑,因为投稿量实在太大了,毕竟大家都想发Natural。 所以小编在这里给大家一些建议,首先需要知道自己想要什么,你只要知道自己想要什么之后才有可能根据你想要的去努力。 首先你需要知道自己是想投会议还是期刊,想发哪个区位,然后根据自己的专业确定方向,其次要明确自己为什么要发论文。 发顶会也一点都不简单 但是不要看了上面就觉得顶会简单,ICLR,ICML以前的这个录取率大概在25%左右,今年呢,可能会降到15%,然后IJCAI的话现在的录取率只有10%左右。几年前这些会议的录取率都在20%以上。 会议/期刊的接收偏好 无论是期刊或是会议,它其实都有自己的接收偏好。比如说ICML,NeurIPS,他主要就是做Machine Learning的。你投了一篇做理论物理的文章到ICML,那肯定不会被录取!人家会议要的是要一个Machine Learning,你投的理论物理,那为什么要录取,一定要了解目标期刊/会议的偏好。 03 审稿人会比较在意什么细节 第一个 是文章符合这个Venue,包括Conference或者是期刊的这个Scope。 上面就说过,做理论物理的人,不要把文章投到这个Machine Learning上面。你的论文原来Target是Nature上,你就不要去投到这个Machine Learning conference,肯定中不了。做之前先去看一看这个Conference以及这个期刊的Scope是什么,他比较喜欢什么样的论文,然后再把自己的论文,往符合的Scope的Venue去投。 第二个 是会看整篇论文的idea,是否符合逻辑,是否符合这个直观的Intuition,因为有的方法,有的文章的话,他可能做的就不符合自己的主观的这个intuition。 第三个 论文里面的图和表是否有严重的错误。 沃恩智慧联合创始人Kimi老师,也是多个顶会的审稿人,他之前审过一篇文章,里面有一个分类的问题—— INPUT是相同的这个feature,他用了不同的方法,比如说SVM,Neuro Network,Random Forest,还有K-nearest Neighbor,但是input的feature是一模一样的。 这些feature也都是那种图表式的feature不是这个image feature,他得出来的结果是SVM要比Random Forest的performance高50%。 这里其实有非常大的问题,如果你有一定的这个Machine Learning的基础的话,你会知道,在INPUT的feature已经是well-define的情况下,用同样的feature,不同的Machine Learning方法,你的performance的差别很少会超过5%,除非你implementation是有问题的或者你根本就没有调参。 所以看到这张表格就非常想把这种给拒了,因为现在的idea是觉着你们这里没有认真调参。而且图表建议一定要做好看一点,如果做的难看就会开始被挑毛病的。 第四个 是要注意论文里面的语法错误,看到论文里面有很多语法错误,直观上就会觉得论文写的不认真,大概率会被拒稿。所以,各位想法论文的科研学子们要特别注意。还有就是不要怕重复,论文里面比较重要的点,一定要重复写,去强调他,不要担心,不会因为你重复而被拒稿,反而会因为你没有写而被拒稿。 还有一些比较细节的东西,比如说你尝试了多种参数,但是在这个参数里面都失败了。这些细节的东西可以放在Supplement里边。其实这种东西是没有人关心的,你如果写了的话,反而会对最后文章的录取有负面影响。 |