原文标题：《AI 顶会审稿人竟是本科生？女物理学家发推吐槽，圈内大佬纷纷点赞》

最近，一位来自洛桑联邦理工学院（École polytechnique fédérale de Lausanne (EPFL)）的女物理学家 Lenka Zdeborova 在推特上吐槽顶会的审稿人筛选机制，引发了众多学术圈大佬共鸣。

你以为的学术顶级会议期刊审稿人，都是来自各自领域的大牛？

事实上，你辛辛苦苦几个月做的研究论文，审稿人很有可能是一群本科生或研究生？

最近，来自洛桑联邦理工学院（École polytechnique fédérale de Lausanne (EPFL)）的女物理学家 Lenka Zdeborova 就在推特上吐槽顶会的审稿人机制。

研究生院的申请人就已经有顶会审稿经验？而且数量还不少。

我正在审查 EPFL 计算机科学研究生院的申请，我看到许多申请人都有担任顶级 ML 会议审稿人的经验，我想知道如果同行评议的很大一部分是由本科生完成的，我们为什么还要费心去进行同行评议！？

Lenka Zdeborová 是 EPFL 的物理学和计算机科学教授，她领导计算机学院的统计物理学科。

她是 Journal of Physics A、Physical Review E、Physical Review X、SIMODS、Machine Learning: Science and Technology、Information and Inference 等众多学术期刊的编委。

Lenka 擅长的领域是将统计物理学的概念（例如高级平均场方法、复制方法和相关消息传递算法）应用于机器学习、信号处理、推理和优化中的问题。

一些圈内人士也表示赞同，研究生一年级的学生竟然已经可以在顶会审稿，而且没有人觉得这是个问题。

你以为的审稿人是这些学界大佬，事实上其实是他们带的本科生或研究生……

知乎答主「卡卡卡卡比」认为这种现象已经是司空见惯了，从 ICLR 到 AAAI, 审稿人的水平参差不齐，保不齐你的 paper 就落到了某个本科生手里。

抱怨完审稿人水平之后，关键还是要思考如何能够写出让大家 make sense 并且能兼顾大多人审稿 taste 的工作。

另一位答主「歇斯底里 i」也认为，审稿人很少懂你的领域，所以你要把论文的结果清晰明了地呈现出来，让别人看不懂就是你的问题了。

顶会审稿到底怎么审

那么顶会审稿究竟怎么审？

同行评审（Peer-review）是现代科学的基石，几乎所有机器学习 (ML) 顶会（如 NeurIPS、ICML、AAAI）都依靠它来决定提交的论文是否与社区相关，以及原创性是否足以在那里发表。

不幸的是，随着过去十年提交文章数量呈指数级增长，审稿质量也以同样快的速度下降。

如果您曾经向其中一个会议提交过论文，在为您认为是一个绝妙的想法而努力工作了几个月之后，您得到的是糟糕的、无用的，而且（更糟糕的是 ) 具有讽刺意味的评论意味着你将不得不重新经历一次提交过程，而没有任何关于你的论文存在什么问题的提示。

图灵奖获得者 Geoffrey Hinton 在 2018 年接受 Wired 杂志采访时给出了造成这种情况的原因之一：

现在如果你提交的论文有一个全新的想法，它根本就没有机会被接受，因为这些年轻的初级审稿人根本无法理解。

或者它会遇到一位高级审稿人，他审阅了太多的论文，第一次看并不理解，并认为它一定是胡说八道。我认为这真的很糟糕。

知乎答主电光幻影炼金术对审稿被拒做了个假设，如果你发现你的论文因为一些概念问题审稿人没理解被给了低分，有三种可能：

（1）审稿人是个本科生 / 低年级博士生，他看不懂这些概念。

（2）审稿人是个超级大佬，他很重视基础概念问题，并且他已经不做这个领域多年。

（3）审稿人是个超级大佬，但他没有时间，他交给了他的低年级博士学生来审稿。所以说，学术圈就是一个轮回，本科生的表现和超级大佬最像。

你以为理想中的审稿人：

周一打开论文，看看摘要，速读一遍，评估一下 novelty。周二细细看方法，挑挑毛病。周三看一下实验，看看 baseline 的相关论文，查对实验细节。周四开始写审稿意见，决定审稿分数。周五补充一些审稿意见，提交审稿分数。

实际审稿人：

周一上午八点打开审稿论文，读了读摘要，感觉没什么 novelty。看了看图片，感觉不看正文看不明白。翻到后面看了看实验数字，感觉提升也不大。看看方法，四页好多看不完。下午还有事，给个 5 分走人吧。周一上午十一点半结束审稿工作。

我们再来看看 ICML2022 的审稿规则：

选题意义：

这部分评审的目的是向 MR（Meta-reviewer）和作者展示您对这篇论文的理解程度以及您对这篇论文的看法。

写作创新性、相关性、重要性：

它们与我们的社区相关吗？它们是新的吗？如果答案是否定的（或部分否，例如，引用早期论文中的精确结果），则需要一个精确的理由，以便作者知道如何修复论文。

健全性：

理想情况下，一篇论文提出的主张应该得到理论论据或实验结果的充分支持。

写作质量：

这篇论文是否组织良好并且写得很清楚？它是否很好地解释了新颖性和结果？该论文是否包含支持其声明所需的足够信息？

参考文献：

这篇论文是否被恰当地置于当代文学中？如果没有，请具体说明缺少的内容。请注意，由于论文有页数限制，因此通常需要判断是否应提及结果。

而这些属于第一阶段审稿人的审核标准，符合审核标准的则可以进入第二阶段。

通过第一阶段的论文，会再经过元审稿人（MR）、项目主席过目，之后还会有额外的审稿人来确保论文审核质量。

而为什么现在的顶会审稿人的水平参差不齐，甚至冒出了一群本科生和研究生，原因主要在于行业发展太快，投稿量的增加速度远高于合格审稿人的培养速度。

这不仅导致有能力审稿的人占比少了，而且有能力的审稿的人对每篇文章能投入的时间也少了。

参考资料：

• https://towardsdatascience.com/reviewing-for-machine-learning-conferences-explained-f73bc037babc

• https://twitter.com/zdeborova/status/1612841482192388098

• https://www.zhihu.com/question/461564257/answer/1908243034、

本文来自微信公众号：新智元 （ID：AI_era）