Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

蛋酱、泽南报道

CVPR新规严禁审稿期间公开宣传论文,可发arXiv,LeCun:疯了吧!

打击投机取巧行为。

除了标题各种 all you need 之外,投稿之后在推特知乎上宣传一波,油管上发个介绍视频现在几乎是 AI 顶会热门研究的「标配」。在社交网络如此发达的今天,「酒香不怕巷子深」的美好世界看起来越来越难以实现了。在论文水平差距不大的情况下,PR 能力成为了不少人比拼的方向。

但众所周知,自我宣传有可能影响到审稿人的判断,进而让身处大型实验室的研究者们更容易获益。最近几天,人工智能领域最热门的会议 CVPR 决定拿社交媒体开刀了。

在近日召开的 CVPR 2021 PAMI TC 会议上,马普智能系统研究所所长 Michael Black 提出了一项动议:审稿期间禁止在社交媒体上宣传论文。在 arXiv 上自动发布的预印本论文除外。

这项动议得到了一部分研究者认同,但同时也引来许多争议。有研究者表示,这项动议的宗旨是解决同行评审中的偏见问题,但打击社区内交流的消极后果是,同行评审中的偏见问题并不会改善。

在最终通过的投票版本中,内容如下:

PAMITC 当前的政策是禁止作者发布新闻稿或谈论正处于 IEEE/CVF 审查阶段的论文。这有利于双盲审查,并有助于保持公众对科研同行审查过程的信任。

随着研究者们越来越多地使用社交媒体来传播科研成果,这项政策需要更新。特别是社交媒体动态已经在很大程度上取代了传统的新闻发布。按照目前的政策,此类内容处理起来会有些模棱两可,但只要作者没有在社交媒体上说这篇论文正在接受 IEEE/CVF 会议的审查,就可能会被解释为允许这样做。这个漏洞违反了最初媒体禁令的原则。

问题在于,拥有大量关注者的一部分以及在社交媒体上发起的宣传活动,让审稿人接触到这篇论文,而它所受到的关注可能会影响他们的判断。这让关注者较少或不参加这类活动的那部分人处于不利地位,并会使同行评审过程出现偏差。

同行评审是科学的支柱。这个过程能够让研究公布之前被发现错误或虚假的内容,减少了研究被撤回的风险,并增加公众对科学进步的信任。本质上,科研在资金和独立性方面都有赖于这种信任的建立,任何破坏这种信任的行为都会对基础研究产生长期的负面影响。
对于人们最为关心的一些问题,CVPR 组织方也进行了解答:

Q:新规定生效之后我把投 CVPR 的论文放在 arXiv 上,这能行吗?

A:将论文放在 arXiv 上显然有助于计算机视觉研究信息的快速传播。arXiv 论文并不是「已发表」,而应该被理解为「预发表」的状态。这种开放的预先发表模式为研究社区提供了一种有效的查错模式,与同行评审效果类似。arXiv 论文经常会被更正和修改,这一网站的建立就是为了这样的科学修订过程。

将论文放在 arXiv 上供专家进行早期分析,与在社交媒体上向广大受众进行宣传有本质不同。

Q:那我在推特上转发 arXiv 上转发的 CVPR 论文投稿,这样可以吗?

A:没问题。这是一个自然而然的过程,并不构成作者宣传他们的工作。arXiv 推文主要是由该领域的专家而非普通公众关注,其讨论的工作可被认为是具有完整性的,且处于预发表状态的,因此判断为可行。但这与在社交媒体上流传的论文宣传视频不同。

Q:这种规定难道不会让科学研究的传播速度变慢?

A:并不。实际上是该领域专家实现科学进步,而不是普通大众。对 arXiv 的豁免意味着研究社区仍然可以提前获得研究进展,并可以将其效果评估为「非同行评审」。

「允许,但又不允许宣传论文」的设置看起来很合理,也为研究人员们讨论业内最新研究留下了空间。

目前,这项动议已经以 370:83 的票数在 CVPR 2021 投票通过。

反对者:这规定漏洞太多

虽然动议都在 PAMI-TC 的会议上以很大优势通过了,但仍有一些人对于新规表达了不满。人们表示:

首先就会有一种情况,如果有一部分研究达成了「共识」,代表对方在社交媒体发布内容,宣传对方的研究。原本在审查过程中就存在的一些「利益团体」,在这里依旧会出现。

以及,关于研究审查过程中的禁令,很大的一个影响是阻止了众多科研进展在 arXiv 上发布。除非是像 ACL 会议一样对预印本论文发布和双盲审稿之间权衡出合理的提交方案。

还有一种可能存在的情况。那些不遵守规则并找到漏洞的人,之后从宣传研究上获得收益要比现在还要大,比如采用匿名的社交媒体账户宣传就可逃避该政策。Reddit 上的机器学习版块最受非议的一点就是非实名制发帖,我们是否希望推特也变成这样?

这项动议针对的是那些来自大型实验室或拥有大量粉丝的研究者,但同时也极大地阻碍到了小型实验室的人。

图灵奖得主、深度学习先驱 Yann LeCun 则直接在推特上表示:这种行为会限制科学信息的交流,损害技术进步且违反道德规范。简而言之就是疯了。

在今年的大会结束后,CVPR 2022 计划将于明年 6 月 21-24 日在美国的新奥尔良举行。论文提交的 Deadline 则是今年 11 月 16 日。

对于这项新规,你怎么看呢?

参考内容:https://amytabb.com/ts/2021-06-16-cvpr-motion-position/
理论Yann LeCun公开宣传论文审稿CVPR新规
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

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。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

推荐文章
暂无评论
暂无评论~