参与:一鸣、思

NeurIPS 2019评审结果已出炉,21%接收率,你的Rebuttal成功了么

今天,著名人工智能顶会 NeuralPS 2019 终于放出了最终的接收结果,广大机器学习研究者终于可以松一口气了。

今年的 NeuraPS 大会可谓是备受关注。首先,今年投稿的数量创下了历史新纪录,一共提交了 6743 篇有效论文,接受率为 21.17%。其次,除了参会门票要抢,论文投稿也要抢了。

在几个小时前论文评审结果出炉后,很多提交者和研究者都进行了广泛的讨论。除了个别「直击灵魂」的质疑外,大家对大部分审稿人、区域主席、程序主席的评审工作还是非常满意的。即使论文没有被接收的研究者,也表示从评审中学到了很多。

经过了漫长的 rebuttal 过程后,直到九月份大会论文审稿才告一段落。

堪比春运抢票,NeuralPS 投稿服务器宕机

本次会议可以称得上是「史上最大」,有上万的投稿论文。因为没有预料到这种火爆的情况,大会的服务器宕机了。

在微信群、推特上,人们纷纷吐槽服务器卡,提交不了论文。

甚至连一些专家教授也需要排队等候论文上传。

加拿大 CIFAR AI 主席、多伦多大学助理教授 Daniel Roy 也在「排队等待」的行列之中。

有研究者表示:当时给 NeurIPS 投论文就像在买最火的篮球鞋:你需要先存好信用卡号,设置自动填写表单,然后让自己的电脑物理地址尽可能地靠近 NeurIPS 的服务器地址。

评审结果,你怎么看?

对于最终的接收结果和评审意见,研究者是非常关注的。以前很多研究者表示有的顶会评审意见不专业,或者说没包含什么信息量。但对于 NeuralPS 2019 的评审结果,目前大部分研究者都还是心服口服的,不论是被拒还是被接收。

如下是接收结果的告知信:

我们可以看到,大会一共提交了 6743 篇论文,其中 1428 篇被接收为会议论文,接受率达到了 21.17%。在接收论文中,还有 36 篇 Oral 论文和 164 篇 Spotlight 论文,估计获奖论文就会从里面产生了。

rebuttal 真的有效

从研究者的评论来看,rebuttal 是提高论文被接收概率的优秀方法。rebuttal 是一个论文评审的流程,如果投稿人对审稿结果不满意,可以通过撰写 rebuttal 的方式进行反驳和回应。这样可以帮助审稿人理清论文中的论述和事实误解,消除对论文存在的问题的疑虑。

本次大会审稿结果出炉后,大会为投稿人留出了 5 天时间(7 月 25 日到 7 月 30 日),用于回应审稿人的质疑等。有些论文获得了 7-7-5 这样的评分时,可以通过 rebuttal 的方式,有可能能将结果提升到 7-7-6,从而获得接收。

这位作者的论文就通过这样的方式「过关」了。

当然,也有些不太走运的情况,有时候分数反而可能会降低。

一些吐槽

任何事情都会有争议,部分审稿人的评论也获得了喜闻乐见的吐槽。

比如说,一些审稿人发出了疑问:

你文章里标点为什么用那么多?很难读啊,我建议你把它修改一下。

当然,其中还有更加直击灵魂的追问:

What is ResNet?

不过,这也有可能是因为论文并没有在「Related Work」中具体阐述这些虽然简单,但实际上需要非常熟悉的知识点,因此审稿人担心作者并没有完全理解,因此提出了这样的问题,而不是审稿人本身不懂。机器之心在编译论文中,确实发现有些论文在引用中会事无巨细地介绍相关的工作。因此也可以理解审稿人煞费苦心发出的灵魂追问。

一稿多投?小心为上

之前据机器之心报道,为了保证 NeurIPS 大会的内容具有原创性和新颖性,本次大会开始限制一稿多投的情况。之前就有 19 篇论文因这一问题被直接拒稿。

大会曾表示:

针对这种情况,我们已经与 BMVC、ECML-PKDD、EMNLP-IJCNLP 以及 ICCV 的程序委员会主席展开合作。我们的流程管理人员运行相应脚本,对提交至 NeurIPS 的论文与这些学术会议上同一作者提交的论文进行对比。然后,我们检查了相似度最高的论文,确定它们是否违反了双重提交政策。

通过以上操作,我们发现并确定提交至 NeurIPS 的 19 篇论文与同一作者提交至不同学术会议的其他论文存在明显重复。因此,我们现在已经拒绝接收这 19 篇论文。我们还识别出了一些疑似出现重复的论文,并指定领域主席进行仔细调查,以帮助我们确定一个公平的解决方案。

有些作者可能想同时投个别的顶会保底?恐怕是不行的了。其他几个大会也和 NeuralPS 合作,联合审查投稿论文中是否有同时重复投稿的情况。


最后,机器之心祝贺所有论文被接收的作者们,也希望更多的读者能了解到这些优秀的研究工作。所以,作者大神们,机器之心也非常欢迎论文解读的投稿啊。。

参考链接:

  • https://www.reddit.com/r/MachineLearning/comments/cz6rdk/d_neurips_2019_decisions_are_out/

  • https://www.zhihu.com/question/344260878

产业NeurIPS 2019
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

推荐文章
暂无评论
暂无评论~