前些天学姐发了《发sci导师带不了，师兄不同向，应该如何规划方向？》这篇文章全都是讲论文相关的干货的，反响都很不错~错过的同学可以现在去专栏扒拉扒拉看看。

前些天学姐工作的时候碰到了一位大佬（假装是偶然见到的），他现在在海外一所高校做assistant professor专业是Computer Science，主要研究方向是人工智能及应用，还有智能健康等领域。主要是他被Nature子刊, ICLR、ICML等顶会和顶级期刊邀请作为审稿人。他自己发布的一篇文章已经成为高引文章，而且已经有了7项国际发明专利！

哈哈，这样的大佬我怎么能让他轻易走掉，就麻烦他传授一些如何发第一篇论文，以及从顶会审稿人的角度我们写论文应该往哪方面努力。下面就是我对大佬的一些见解做的整理，给我认真学！

01 为什么想要发论文？

在发论文之前大家有没有一个清晰的想法就是我为什么要发论文？毕竟只有自己有足够的动机，想要做这件事才能做成这件事。

反正学姐这边大多数同学写论文都是为了毕业。

其实这个目的仔细想想可以分为两类，一类是对自己，一类是对他人。那么对于自己来说发论文又有主观因素和客观因素。

这里我们先从客观因素来说：

首先，我国无论是硕士研究生还是博士研究生，其实你想要毕业的话，最终都是要发论文，尤其是对博士研究生来说，发表论文的量，还有质不够高的话，毕业会有很大的问题。

其次，毕业找工作的时候，论文其实不是那么重要，但是呢，你有论文发表的话，招人的人会对你高看一眼。他会认为，你能力比较强，然后你拿到这个工作的概率会增加。

甚至于在找到工作之后，升职、加薪什么的，在很多地方，其实是不需要发论文的，但是在一些科研岗位，尤其是一些技术公司，他们可能希望大家做的东西比较的有创新性，可以增加公司的技术壁垒，可以增加公司的竞争性。发表论文，就是证明你做的东西非常有创新性的最好的一个方式。

其次从主观因素来看：

在准备论文、发表论文的过程中，其实可以说是对自己能力的全方位提升。

现在大家就可以想一想，在发表论文的过程中我们要做哪些事情呢？

首先，我们要确定一个研究方向（确定方向大部分情况下不需要大家自己做的，大部分情况下应该是导师或者是你在公司里的主管帮你确定方向。），那么我们自己需要做的事情就是要知道在这个方向或者问题上已经有哪些人、做了哪些事情。所以第一件事情是学习，学习已经有的方法，已经有的知识。

其次，我们要看看这些知识中的方法，算法，它们有没有什么缺点，或者某些数据上，某些问题上是不是他的performance比较好或不是特别好。又或许是不是他们对于有些问题压根就没法解决，也没有解决。所以接下来是要对算法以及问题进一步的研究。

再者，就需要调动自身的逻辑思维能力，来找到一个符合逻辑的解决方案去解决以前没有得到解决的问题。或者从其他领域里面找一找有没有相似的方法拿来跟之前的方法做融合，从而解决以前的问题，同时锻炼了自己的逻辑思维能力。

最后，如果经过以上的过程你在复现代码或者是利用一些数据跑出了比较好的效果，那就是一个非常理想的状态了。就把做出来的东西，学习到的知识写成一篇论文，接下来就是展示写作水平的时候了。

做上面一系列的工作锻炼了大家很多能力，首先是学习能力，其次是对问题深入思考的能力，再者是逻辑思维能力，最后是总结和写作能力，这些能力不光是在写论文的时候非常重要，在今后的工作生活中也很重要。

当今后进入了企业，大家遇到了一项任务，在拿到这个任务之后，做的第一件事情是百度、或者谷歌或者其他搜索工具先去看一看网上有没有解决方案。这是大部分人做的第一件事情，如果可以用的话，直接应用过来，然后把这个问题给解决，所以这里其实也就是还在学习。

如果已有的一些方法解决不了这个问题呢？那么，大家有可能会基于业务的方法，想办法看能不能怎么给改一改，然后把这个问题给解决，这其实就是在运用自己研究问题的能力、锻炼自己的思维能力。

写作能力也不能丢掉，今后不管工作还是科研都是要做报告的，这就要用到文笔了。

大家在做论文的时候一定要有自信，不要总觉得自己做的不行，你只要坚持下来，就成功了99%。

明确了自己的目的，掌握了基本流程，接下来给首先大家介绍一下如何去发表出一篇论文；然后再说说发表论文的时候，你可能会不知道一些小tips，就是说从审稿人的角度来看，会比较看重哪些点。

02 如何发一篇论文

想要发表出一篇论文的话，首先要对整个论文发表的流程以及审稿流程有一个大致了解,做到知己知彼，百战不殆。

现在计算机科学发表论文的话一般是会发到会议或者期刊。

一些比较常见的顶级会议：

• COLT是Conference on Learning Theory它是主要做关于机器学习的理论的，所以它里面全部都是在做数学、全都是公式；

  
  

• ICML、ICLR、NeurIPS是现在的3大Machine Learning,顶级conference，里边会既有应用也有纯算法也有理论；

  
  

• AAAI, IJCAI是两大Artificial Intelligence的conference，里面内容topics非常非常的广；

  
  

• KDD主要做的是Data Mining；

  
  

• ICCV，ECCV,CVPR是三大Computer Vision的会议；

  
  

• WWW，还有SIGIR主要是做Information Retrieval；

  
  

• ACL,EMNLP,NAACL，主要是做Natural Language Processing；

  
  

• SIGMOD和VLDB主要是做Database；

  
  

• ISMB，ECCB，RECOMB主要是做Computational Biology；

  
  

• SIGGRAPH, SIGGRAPH Asia主要是做visualization，Graphics。

顶级会议的投稿流程

在完成文章之后投到会议里边，只要你没有格式错误，那么就一定会送审。

接着，送审到这个审稿人之后，可能大概1个月或者2个月之后，审稿人把审稿意见返回给这个conferen主办方；

然后，主办方会举办一个rebattle，rebattle就是你要回答审稿人的一些问题，之后再把自己回答的rebattle提交上去；

最后，有meta-review，算是chair吧，就是比这个reviewer更高一层的这个reviewer，会根据这个审稿人的审稿意见，以及你rebattle的结果来决定你的论文是收还是不收。

所以这里基本上是一个一锤子买卖，就是说你文章投出去之后，基本上是没有太多这个修改的机会。最多做个rebattle去回答一下这个审稿人的一些意见。

这里就要拓展下另外一个知识点——单盲和双盲

双盲

就是投稿的时候，你的名字，你的affiliation是不出现在你的稿件里边的，所以审稿人不知道你是谁，而你呢，在回答这个问题，还有rebattle过程中，也不知道审稿人是谁，这叫做双盲。

单盲

是你在交你的稿子时候，你的名字还有affiliation，以及你的学校是出现在稿件里面的，所以审稿人是知道，这个稿件来自于谁。但是你不知道审稿人是谁。以前，KDD是单盲，现在KDD现在也是双盲了。

再来介绍一个比较新的审稿方式——Openreview

ICLR其实一直都是使用这个Openreview，意思就是审稿人的审稿意见，是会post在网上，所有人都可以看到这个审稿意见。NeurIPS也开始采用这个Openreview 的形式了。

最近几年，Artificial Intelligence 以及这个Machine Learning领域比较的火，出现了投稿量暴涨的情况，投稿量增大，那么所需要的审稿人的数量也就会增大，就出现了可能是本科生或者从来没有发表过任何论文的人也来帮助审稿的问题。

搞得审稿人的意见，就会非常非常的混乱，也就是说那些人其实水平并不是很够，这是部分会议的一个情况，大家不要过于担心。

期刊的话相对来说成熟一些

因为无论是任何领域，基本上可以认为是Natural系列一定是那个领域最好的期刊。当然，除了医学领域。

期刊除了Natural还有Top Journal，还分1区2区3区4区等等。不过期刊的审稿流程和会议不太一样。

期刊的审稿流程

首先，投到这个期刊的这个Office之后呢，你的文章会首先分配一个叫做Editor。

然后，Editor会首先看一看你的稿子，就是做一个初步的检查，决定送审不送审，这就是跟会议的不同就是，期刊不一定会送审。

如果比较幸运的文章被送审了，在两个月之后Editor会根据审稿人的意见来决定录取不录取。如果有不录取的情况，它有可能会给你major revision。

一般来说，major revision还有accept是非常非常好的结果，就是说他给了你一个去修改的机会，你如果能够按照审稿人的意见非常认真地一点点地把这个稿件给完善的话，那么最终是非常有可能接受的。

也就是说，送审的结果，可能是reject，minor revision，major revision，accept，只要不是直接reject，那么都是好结果。

期刊的审稿，一般是单盲，就是说这个审稿人都是可以看到你的名字和affiliation的。当然，现在这个Natural系列的投稿是可以选择隐藏自己的这个姓名还有这个分类。

这里所要去注意的一点是，对于期刊论文很多情况下，Editor不一定送审，比如说，对于这个Natural系列，Editor可能会直接拒掉60%左右，很多这个期刊投之后直接就被Editor拒了，根本连送审的这个机会都没有。

当然这个Editor就是Natural系列的Editor向来还是比较挑，因为投稿量实在太大了，毕竟大家都想发Natural。

所以大佬给学姐强调了很多遍：首先需要知道自己想要什么，你只要知道自己想要什么之后才有可能根据你想要的事情去努力。

首先你需要知道自己是想投会议还是想投期刊，发1区2区3区哪一个区，然后根据自己的专业确定方向，其次要明确自己为什么要发论文。

发顶会也一点都不简单

但是不要看了上面就觉得顶会简单，ICLR，ICML以前的这个录取率是大概25%，今年呢，可能会降到15%，然后IJCAI的话，现在的录取率只有10%左右。几年前这些会议的录取率都在20%以上。

毕竟现在大家都是要质量了~

顶会和期刊的录取偏好

还要注意的就是无论是期刊也好，还是会议也好，它其实都有自己的录取偏好。

比如说ICML，NeurIPS，他主要就是做Machine Learning的。你投了一篇做理论物理的文章到ICML，那肯定不录取啊！人家会议要的是要一个Machine Learning，你投的理论物理，那为什么要录取，一定要了解目标期刊的偏好。

03 审稿人会比较在意什么细节

第一个

是文章符合这个venue，包括conference，或者是期刊的这个scope。

上面就说过，做理论物理的人，不要把文章投到这个Machine Learning上面。

你文章原来target是Nature上，你就不要去投到这个Machine Learning conference，肯定中不了。

做之前先去看一看这个conference以及这个期刊的scope是什么，他比较喜欢什么样的文章，然后再把自己的文章，往符合的scope的venue去投。

第二个

是会看整个文章的idea，是不是符合逻辑符不符合这个直观的intuition，因为有的方法，有的文章的话，他可能做的就不符合自己的主观的这个intuition。

第三个

论文里面的图和表是否有严重的错误。老师经验：

我之前审过一篇文章，里面有一个分类的问题——

INPUT是相同的这个feature，他用了不同的方法，比如说SVM，Neuro Network，Random Forest，还有K-nearest Neighbor，但是input的feature是一模一样的。

这些feature也都是那种图表式的feature不是这个image feature，他得出来的结果是SVM要比Random Forest的performance高50%。

这里其实有非常非常大的问题，如果你有一定的这个Machine Learning的基础的话，你会知道，在INPUT的feature已经是well-define的情况下，用同样的feature，不同的Machine Learning方法，你的performance的差别很少会超过5%，除非你implementation是有问题的，或者你根本就没有调参。

所以我看到这张表格我就非常想把这种给拒了，因为我现在的idea是觉着你们这里没有认真调参。

而且图表建议一定要做好看一点，如果做的难看就会开始被挑毛病的。

第四个

是要注意文章里面的语法错误，看到你这个文章里面有很多语法错误，直观上就会觉得你文章写得不认真，然后呢，就会倾向于拒稿。所以在这里的话，大家也是应该注意这个语法错误。

而且一定不要凑字数，如果真的要凑字数，建议你把文章写的让人读起来不那么乏味。

还有就是不要怕重复，文章里面比较重要的点，一定要重复写，去强调他，不要担心，其实不会因为你重复去拒稿，反而会因为你没有写而去拒稿。

还有一些比较细节的东西，比如说你尝试了多种参数，但是在这个参数里面都失败了。这样像这样细节的东西，可以放在supplement里边。其实这种东西是没有人关心的，你如果写了的话，反而会对最后文章的录取有负面影响。

学姐把从大佬那里获得到的知识毫无保留的分享给大家了！如果以后再遇到大佬学姐肯定依然不会让他们轻易逃掉的！

想看更多的干货知识可别忘记关注学姐哦！

三连一下，鼓励学姐好嘛~~有问题欢迎评论区指出，这个月刚开始工资还有的扣！