为什么机器学习研究社区不限制每位作者的投稿数量？[D]
摘要
一位研究者质疑为什么机器学习社区不限制每位作者的投稿数量以管理评审质量，并引用了如安全（Security）和计算机体系结构（Computer Architecture）等其他领域的成功实践。
我目前跨多个研究社区工作，注意到机器学习社区因提交量巨大而苦苦挣扎，这影响了评审质量（正如我们在最近的ARR周期中所见）。我想知道不限制每位作者投稿数量的原因是什么？这种做法在其他研究领域已经成功使用多年，例如安全（如CCS）或计算机体系结构（如DAC），有助于保持工作量可控。机器学习社区选择不同方法是否有特定的文化原因？
相似文章
位置：想要更优质的机器学习评审？别再礼貌请求，改用学分制激励如何？
本文论证，改进机器学习同行评审需要实施可执行的程序保障措施，并引入可消耗积分系统（如OpenReview Points），以此激励优质评审并控制投稿量。
我们是在优化 AI 研究以迎合录用标准，而非追求长远价值吗？[D]
一位研究人员批评了 AI 会议的录用文化，认为其过于注重取悦审稿人，而非产出具有长远价值的工作。他指出，当前普遍要求提供详尽的评估结果，但这些数据几乎不会被后续研究者再次验证。
ACL可持续审稿政策[D]
ACL宣布了审稿政策的变更，要求每篇投稿需提供合格审稿人，否则只能通过抽签获得名额。此外，每个周期设有总投稿数和第一作者投稿数的上限。
AAAI 2027 审稿：没有代码提交？[D]
一位 AAAI 2027 的审稿人对提交论文中附带代码的数量之少感到惊讶，尽管会议强调可复现性，并询问缺乏代码是否应影响审稿评分。
统计与概率机器学习的投稿去向 [D]
一位统计与概率机器学习的研究者讨论了LLM相关工作在ICLR和NeurIPS等顶级会议中的压倒性存在，并探讨了如AISTATS和UAI等替代会场以发表此类研究。