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:
-
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。