ACL2021奇葩标题大赏

卷友们好，我是rumor。

一年一度的ACL它又来了！

上周公布Paper list之后还吃到了瓜，字节被ICLR拒稿的paper居然获得了ACL best paper，不过作者们也出来解释了，主要原因是ICLR的投稿太赶，实验和writing都不够完善。

这件事告诉了我们误以一次成败论英雄，从一个坑跌倒了就从另一个坑爬起来，上帝在关上一扇窗的同时还会打开一扇门，以及工作的外表和内涵同样重要。

不仅内容上的故事重要，一篇paper的题目同样重要。

我就特别佩服敢起名的作者，我们在投稿时只敢起模版样式的名字，而有的作者却收放自如，把paper题目起的像头条文章标题一样吸睛。

今天我们就来一场题目大赏，体会各位朋克大佬们在标题上下的狠功夫。

https://2021.aclweb.org/program/accept/

准备好了吗？我要开始了！

悬念型

这类标题的套路是：你吃饭了没？我要去学习了

如果去掉前一句基本不会对后面的内容有影响，但作者就是要发出一句灵魂拷问，在大家的心上挠一下痒痒。

All That's 'Human' Is Not Gold: Evaluating Human Evaluation of Generated Text

我：我不gold？那我走。。

He is very intelligent, she is very beautiful? On Mitigating Social Biases in Language Modelling and Generation

我：郎才女貌的翻译get

How Good Is NLP? A Sober Look at NLP Tasks through the Lens of Social Impact

我：这个角度还是蛮新颖的，作者建立了一套评估准则，判断NLP的各种应用对社会是否有正向影响

迷惑型

这类标题更加敢起，生怕别人看到题目就知道他们要干什么。

但恰巧是这种好奇心让我真的想去读读摘要。

More Parameters? No Thanks!

我：文章还没挂出来，好家伙回答的这么坚决，不知道又发现了什么

UnNatural Language Inference

我：读完标题？？？看完摘要明白了作者是想说明语序对于预训练模型没那么重要，和人更倾向读「自然语言」有所不同。

Grounding 'Grounding' in NLP

我：这个真的读不懂了（哭，看了摘要也没能给大家描绘出来

最靓模型名

有一个好记的模型名是很重要的，比如最近我们聊过的CLUE起名内卷现象。想象一下你作为作者，跟朋友吹水的时候，跟老板汇报的时候，跟外界做PR的时候，说「我做了一个盘古模型」，跟「我做了一个荔枝模型」，那震撼程度肯定是不一样的。

效果先按下不表，气势要到位。

GhostBERT: Generate More Features with Cheap Operations for BERT

我：甭管做什么，先加点恐怖氛围

DeepRapper: Neural Rap Generation with Rhyme and Rhythm Modeling

我：一瞅就是老朋克了，我的心中最佳

ABCD: A Graph Framework to Convert Complex Sentences to a Covering Set of Simple Sentences

我：今年ABCD，明年ABCDE，告别v1、v2的套路

BoB: BERT Over BERT for Training Persona-based Dialogue Models from Limited Personalized Data

我：亚马逊的Alexa已经毁掉一个名字了（最近有新闻说国外叫Alexa的小孩会被同学欺负，对着她喊指令），Bob危

Hidden Killer: Invisible Textual Backdoor Attacks with Syntactic Trigger

我：咱也不懂，也不敢问，就是感觉很酷，等一个BERT Killer

玩梗型

这类标题会加一些梗，比如去年有文章玩了一把权游梗。但尴尬的是不是所有人都能get，咱不懂还不敢问。可能只有读完全文才能体会作者题目的用意。

I like fish, especially dolphins: Addressing Contradictions in Dialogue Modeling

我：乍一看有些怪怪的味道，生物没学好的我无权发言

Men Are Elected, Women Are Married: Events Gender Bias on Wikipedia

我：这个应该是作者自创的梗，感受起来不是很容易

Happy Dance, Slow Clap: Using Reaction GIFs to Predict Induced Affect on Twitter

我：happy dance字面上很容易理解，我查下来的理解是「沙雕的舞」，比如：

Who Blames or Endorses Whom? Entity-to-Entity Directed Sentiment Extraction in News Text

我：单纯给新闻做情感分析比较容易，但要加上实体间的情感方向就比较难了，作者主要研究了施加到政治实体上的正反向观点

"We will Reduce Taxes" - Identifying Election Pledges with Language Models

我：这个好，以后是不是能自动成文了（狗头

All You Need

最后！NLP的文章怎么能少了all you need！

Three Sentences Are All You Need: Local Path Enhanced Document Relation Extraction

最最后

现在文章越来越多了，如果没有大厂加持或者特别出彩，能让自己的工作被看到是很不容易的事。不得不说这些有意思的标题里确实也有新意的工作，除了基本任务外也有学者在关注性别歧视、社会影响等话题。

对于从业者来说，每次顶会的Paper list都可以刷一刷，说不定哪个工作就能解决现在的困境或者引起新的启发。

最最最后，如有冒犯纯属无心，希望BERT Killer早日出现，我要去刷DeepRapper了～

---

大家好我是rumor

一个热爱技术，有一点点幽默的妹子

欢迎关注我

带你学习带你肝

一起在人工智能时代旋转跳跃眨巴眼

「简朴的标题包含着简朴的爱」