0x01 论文审稿

好文章的基本要求是什么

1. 写得好：重点鲜明、用词精准、不然看不懂
2. 结构好，文章整体的逻辑自洽、观点鲜明、研究问题有价值等
   • 任务背景：奠定文章基调和研究范围，明确研究对象 (What is its research scope)
   • 研究问题：深入分析并阐明问题是什么、诱发原因，以及问题的价值，辅以引文或统计数据为支撑 (What is the problem and why it important)
   • 研究现状：全面总结现有研究及其不足和不足的原因，辅以引文或统计数据为支撑。(How well it can be solved and Why it is challenging)
   • 解决方法：不局限于创新性的新方法，旧法新用也OK，关键需要指明用什么方式解决哪个问题 (How you solve)
   • 实验设计：整体实验需要保证实验设置的合理性和正确性。AI大类中的文章是以实验为导向，以实验来验证猜测，所以实验设置的合理性和正确性是关键，需要对本文的所有研究问题和Claim进行实验验证 (Making sure every problem/claim is well-supported. Variable-controlling is the KEY)。建议：不满足合理性和正确性的实验设置一定Reject。
   • 实验结果：并不是只有SOTA才是好文章，实验结果不好也可以是好文章。关键是要分析实验结果的原因、带来有价值的结论。要注意的是，实验任然需要照应本文的研究问题 (Writing is cheap, show me your exp.)
3. 总结好：不仅仅conclusion章节，在文章的每一处conclusion、claim等地方都需要保证不进行夸大（Over-claim），用词严谨，每一处conclusion、claim等地方都需要有实验或citation的支撑。
4. 有价值的contribution：在文章contribution能通过实验进行充分论证的前提下，一篇好文章需要对该领域的后续研究，提供有价值的contribution，这些contribution应该独创的、通用性较好的、可复现的、不over-claim的
5. 拒绝抄袭，拒绝学术不端的行为。审稿的时候，要简单检索下本文题目和本文相关领域，核验本文是否抄袭，是否一稿多投，是否不满足匿名要求，是否有相似文章或者更好的文章，但本文没有引用、分析和对比的情况等等。如果本文有提供代码，务必检查实验设置。

• 合理性：是针对本文的研究问题和解决方法而言的，不同文章的具体要求项目不一样，比如baseline选择，metric选择，implementation合理、research question设置、dataset选择等等都需要仔细斟酌。
• 正确性：是针对所有论文都应该满足，比如模型训练细节（比如那些训练模型没用validation set的不合格论文应该被减分），超参分析（尤其是对超参多的算法，必须有超参分析），实验结果的有效性（尽量汇报多次实验的均值和方差，至少有3个测试数据集），这些用于验证该算法真的有效，而不是在单一数据集上过拟合。更多的建议可以看下图。

好文章的加分项

1. Idea创新，解决了通用性强、紧迫性强的科学问题
2. Method创新，通用性强
3. 提供理论证明其有效性，比如什么情况下，对什么有效，效果上限下限是什么；算法稳定性、收敛性等
4. 代码开源、模型开源、方法可复现
5. and so on

审稿意见写作要点，排名不分先后

建议の写法：

1. Summary：
   1. 总结这篇论文的Task，Problem，How to Formalize，以及Conclusion。
   2. 写出你的审稿意见，以及得出这个意见的最重要因素（比如，文章要拒，说出为什么不好；要收，说出好在哪里；拿不准的话，表达清楚你的困惑）
2. Strong Points
   1. 总结论文的contribution，但不要原文抄袭。锻炼总结能力
3. Weak Points
   1. 问题最严重的点写在最前
   2. 说缺点一定要一语中的，让作者心服口服（参考表格中三次角色部分）
4. Suggestions（可选）
   1. 针对论文的不足，给出可行的建议

0x02 论文写作

Main Principles

个人觉得，研究的核心是从问题到结论，写作的核心是从结论到问题。因此，一个最标准的写作准则（当然有更高阶的论文架构啦）是：

1. 前期准备
   • 列出自己的结论/Contributions
   • 根据结论/Contributions，反推出它们涉及的研究背景和研究问题。这里的背景和问题不能太泛，多余的信息会给读者带来理解成本（甚至产生误会）
2. Introduction
   • 第一段：写你总结好的研究背景，要能引出研究问题
   • 第二段：写你总结好的研究问题。现有方法，问题是什么，为什么会有这个问题（这里是紧密围绕你的方法的key idea来写），不解决这个问题会怎么样
   • 第三段：你怎么做。你方法的概述（怎么做来实现什么），进一步分点概述你方法的核心（讲述的顺序要和第二段里说的问题一一对应），最后拔高你的方法的价值
   • 第四段：怎么验证的。概述你的实验设置，取得什么结果（只说核心结果）
3. 相关工作
   • 解释为什么要survey这几个topic
   • 每个相关工作的topic的最后，要argue与你工作的差异
   • 如果你与相关工作的区别不是那么明显，或者有明显区别但是不容易几句话论述清楚，那可以把相关工作放到总结章节的前面
4. 你的方法
   • 每个section要和introduction中对你的方法核心模块介绍的顺序一一对应
5. 你的实验
   • 实验设置的合理性一定要在baseline，dataset，metric的地方反复强调
   • 要写RQ，并且RQ的顺序和introduction里的问题顺序对应。
   • 每个section一定要总分结构。第一段要写出本实验用来干啥，得到了什么结论。其他段落分开讨论
6. 进一步讨论（可选）
   • 用来讨论你的limitation，避免被审稿人发现，但自己失去了解释机会
7. 总结、Abstract
   • 这两个不是写类似的东西
   • Abstract是全文的index，它可以是写得没有上下文（可能只看它会让人看不懂）。The abstract is indexed so you need to make your contributions come out within the 1st sentence
   • 总结要写的更拔高一些，第一段强调针对什么问题，取得了什么效果。第二段拔高，你的方法有什么更高的价值，对这个研究community有什么帮助。但是不能吹的过大！

Tips

1. 两个关键字Articulate和 Propose。表达态度要诚恳，Propose即是提出方法（propose a method），也是求婚（propose to sb.），没有人有义务去费尽心思的思考你的论文究竟要表述什么，审稿人只负责“看着你，说Yes或者No”，不是上下大量想象你和你论文的价值。
2. 两个关键字Precise 和 Defensible。表述是严谨的，精准的，一个字不多，一个字不少。要做到滴水不漏，预判别人的理解难点，不给别人反驳自己的机会。
3. 一个关键字Strict Logic。行文逻辑要前后呼应，承上启下，切记呼应的距离too far；不overclaim，每个claim都要有solid evidence
4. General to Specific 或者 Specific to General？
   1. G-S：当人们理解S比较费力的时候，通过G过渡一下，层层进行
   2. S-G：先说具体的小事，当人家理解之后，G来推广，一般用于提取/重述重点
5. 一个关键词Level of details。写introduction的时候，要弄清楚什么该说，什么不该在intro里说。过于细节的事不说
6. 两个关键词persuasive和impressive。论文写作的阴暗面，它不是在称述实事，是让人接受你的观点。
7. 行文逻辑要满足好论文的基本要求（见上）
8. 合理利用每个section的开头。除非放不下了，一般不建议有empty head。每个section的开头可以用来承上启下，建立本章节与全文的联系是什么
9. 突显工作量：1）题目、章节题目等都很重要，要用来突出你工作的中心。比如关键词可以反复出现；2）跨章节的重点对应。intro，方法，实验等章节中的论述顺序要完全一致；3）一个段落最好是总分总或总分结构的，重点突出。

• Previous
  机器学习中的那些优化算法
• Next
  贝叶斯机器学习入坑指南