又到NIPS發(fā)榜日，幾家歡樂幾家愁。今天，機(jī)器學(xué)習(xí)領(lǐng)域首屈一指的學(xué)術(shù)會議NIPS開始向投稿作者發(fā)送郵件確認(rèn)論文結(jié)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(wǎng)有通過社交網(wǎng)絡(luò)整理了部分被接受論文的資料，參見：《剛剛，NIPS 2017 結(jié)果出爐，默默看各路大神公布喜訊》一文。

在學(xué)術(shù)界，NIPS大會在論文方面的爭議似乎比其他學(xué)術(shù)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?jǐn)?shù)（滿分5分），評審十分感動，然后拒絕了他：

（雷鋒網(wǎng)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(fù)。）

上述的例子并不是特例。按照著名的NIPS實驗的結(jié)論，NIPS審稿人的口味差異相去甚遠(yuǎn)，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(xué)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(wǎng)編輯在他的Twitter下請教如何才能提高NIPS的命中率？結(jié)果他的回答竟然是：“除非很有把握，否則我不會隨意投稿?！?/p>

其實在一年前的Reddit上，就有過關(guān)于如何提升NIPS、ICML等機(jī)器學(xué)習(xí)頂會命中率的討論，網(wǎng)友BeatLeJuce給出了如下9條寶貴意見：

1. 學(xué)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(tǒng)方法有改進(jìn)”而是要向?qū)徃迦送其N你的想法；

2. 學(xué)會在論文中放幾個數(shù)學(xué)公式。不少審稿人就好這口兒；

3. 數(shù)學(xué)公式適可而止。如果你數(shù)學(xué)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(xiàn)(雷鋒網(wǎng)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(yīng)用領(lǐng)域的論文，請在Audio、Image、Video三個應(yīng)用領(lǐng)域，沒有人關(guān)心其他應(yīng)用領(lǐng)域；

8. 反復(fù)試驗，確認(rèn)試驗結(jié)果的置信區(qū)間，讓結(jié)果經(jīng)得起推敲（如果你的結(jié)果無法重復(fù)，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(wǎng)還發(fā)現(xiàn)了一項頗有意思的統(tǒng)計：經(jīng)濟(jì)基礎(chǔ)決定上層建筑，NIPS錄取率（可能）與作者所在國家經(jīng)濟(jì)水平相關(guān)。有人做了一個近10年NIPS接受論文的國家統(tǒng)計以及作者所在國家的人均收入水平的統(tǒng)計，結(jié)果發(fā)現(xiàn)人均收入3萬-5萬美元的美國、英國、加拿大、德國、法國等經(jīng)濟(jì)水平較好的國家表現(xiàn)突出，而平均經(jīng)濟(jì)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(shù)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(tǒng)計圖，泡泡大小代表文章數(shù)量）

（包括美國的統(tǒng)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(jīng)濟(jì)發(fā)展到了一定水平之后才有實際的研究意義。但中國學(xué)者近幾年在各大學(xué)術(shù)會議上的表現(xiàn)突出，這實際上也是中國人工智能研究厚積薄發(fā)的表現(xiàn)。如清華大學(xué)助理研究員劉知遠(yuǎn)在知乎“AI領(lǐng)域的灌水之風(fēng)如何破局？”問題下回答：

回想2006年我剛讀博士生的時候，國內(nèi)中1篇頂會就能上校系新聞，很多學(xué)生還要巴巴地去MSRA等機(jī)構(gòu)深造一下才能發(fā)出頂會論文。短短的10年后，國內(nèi)能夠在頂會上持續(xù)發(fā)表論文的單位和學(xué)者已經(jīng)遍地開花，學(xué)術(shù)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(lǐng)”式的成果。路是一步一步走的，飯是一口一口吃的，不應(yīng)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(nèi)研究者在AI頂會上會有更好的表現(xiàn)，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(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。