正在纽约大学机器学专业读博二的李睿峰,今年4月就因离谱评审栽了跟头。他的一篇论文,遭评稿人质疑未能被期刊收录。
这篇论文由师兄带领他完成,核心是通过算法设计,让机器人更精准识别需人类协助的时刻。他花半年跑通算法,又花近一年做实验,直到算法能让机器人在仿真与实体环境中完成所有任务,才进入最终测试。与同类研究中的算法对比后,该算法成功率高出一倍。
二人对实验严谨性和结果很满意,信心十足地投稿,期待为行业出力。
三个月后,李睿峰收到盲审结果:三位评审中两人给低分,质疑点恰是他们最满意的“实验严谨性”。
其中一位评审员给李睿峰发来一篇上月刚发表的论文,质问为何不测试文中算法;另一位则认为,算法中使用的关键概念没有介绍。
李睿峰又气又无奈,测试前人算法需先联系作者,可有时文中算法、数据未公开,作者还可能遍布全球,联络成本很高。因此学界共识是,可用于对比实验的论文,发表时间至少要比投稿时间早三个月。
至于算法关键概念,论文子章节早已专门解释。李睿峰觉得对方“压根没看懂”。
学界离谱评审并不少见,甚至闹出不少笑料。
今年7月,机器学习顶会NeurIPS曾质疑研究者未解释“Adam”——这本是行业最常用的一种优化算法,只要接触过模型训练,就难以问出这种问题。
--
FROM 223.104.194.*