基于ICLR2023审稿分数变化的rebuttal策略研究

点击文末公众号卡片，找对地方，轻松参会

本文前提为该会议审稿过程全公开，非全公开会议rebuttal策略将在后续文章推出，敬请关注【轻松参会】。

策略：在拿到审稿分数后，基于数据与算法判断是否有戏被录用。若没戏，则迅速转投。若有戏，则依照优秀的rebuttal方式，进行科学有效的rebuttal。

好坏标准：只要实践了科学有效的rebuttal方式，不管之后是否被录用，都视作一次成功的rebuttal。

关键步骤：

1.基于数据与算法判断录用是否有戏。

2.心态管理：有则积极rebuttal，无则积极转投。

3.学习正确的rebuttal方式。

关键步骤详解：

1. 基于数据与算法判断是否录用有戏 

由于前提为审稿过程全公开，所以默认以下数据都能拿的到：

数据：

i)上届录用率/极限提分情况/整体提分情况

ii).本届投稿量/审稿分数情况

算法：

预测乐观分数线=本届投稿量*上届录用率+上届整体提分

//ICLR2023投稿量暴涨46.7%，但是录用率仅从32.9%降到31.8%。故即使投稿量暴涨，依然预期录用率保持稳定是合理的乐观预期。需要注意，确实有可能录用率明显下降。

极限提分效果=去年提分程度最大的论文

//以ICLR2023为例，有4篇论文，均分提分了3分。

if  自己审稿分数+极限提分效果>=预测乐观分数线:

    有戏,积极rebuttal

else:

    没戏，积极转投

2.心态管理：有则积极rebuttal，无则积极转投。

心态管理非常重要。需要明确，该策略下，不管自己分数如何，都可以从容应对，长期坚持下来，一定有利于科研之路。

当作者以之后是否会被录用作为好坏评判标准时，就将主动权让位给自己不可掌握之事，很容易患得患失，心态失衡，是比较差的策略。

但是如果以，有戏就积极rebuttal，没戏则积极转投，只要严格执行策略就视作一次好的行为，则将主动权牢牢掌握在自己手上。

审稿分数低到极限提分都预期录用不了之时，积极转投显然是最佳策略。

在有戏被录用时，将注意力全部放在如何最大化提升审稿分数上，即使这次不被录用，但是有识之士显然能意识到，这样做，非常有利于长期获得更好的审稿分数。此可谓不计一城一池之得失，志在长期最优解。

3.学习正确的rebuttal方式

向产生了优秀提分效果的作者学习。

ICLR2023初始投稿量4881份，截至22.12.1，共有862撤稿，还有4019份有效投稿，其中1752份论文分数提高，2037份论文分数没有变化，230份论文分数降低。

其中涨分效果最好的有四篇，均分提升了3分。

《Breaking Correlation Shift via Conditional Invariant Regularizer》在一开始只有5533，即没有一位审稿人认为很出彩的情况下，提升到了8686。

OpenReview链接：

https://openreview.net/forum?id=-jTaz3CMk72

《Mitigating Gradient Bias in Multi-objective Learning: A Provably Convergent Approach》一开始为853，即审稿人意见差异很大，也最后成功实现了888。

OpenReview链接：

https://openreview.net/forum?id=dLAYGdKTi2

这些都是非常好的学习材料，值得留意关注。

大家可访问下面这个链接，快速查看是那些论文提分效果最好：

https://guoqiangwei.xyz/iclr2023_stats/iclr2023_submissions.html

 

公众号【轻松参会】后台回复会议名称可进对应会议交流群。公众号文章会发布近期截稿会议、转投会议推荐、录用率趋势、录用分数分析等重要信息，并会不定期分享计算机科研相关的实用资料。