是否有人怀念过去的会议生态系统?[D]
摘要
作者反思了BMVC、ACCV、FG、ICIP和ICASSP等专业会议的衰落,指出研究社区现在集中在少数几个旗舰会议上,导致容量有限和审稿不一致。
是否有人怀念BMVC、ACCV、FG、ICIP和ICASSP等会议曾经拥有更大社区的日子?FG是面部分析的主场,ICASSP是信号处理的领域,BMVC/ACCV也时常有高质量的论文。现在感觉一切都集中在少数几个旗舰会议上。由于提交数量激增、容量有限以及审稿质量参差不齐,我不禁想知道有多少好论文最终变成了非存档提交、仅出现在arXiv上,或者根本没有被分享。我也怀念那些聚焦的社区。这仅仅是怀旧,还是研究生态变得过于集中了?
相似文章
ACL 现在无关紧要了吗?[D]
讨论 ACL 会议在 NLP 社区中是否正在失去其相关性,相比于 NeurIPS 和 ICML 等更大的人工智能会议,质疑 ACL 第一作者论文是否仍对博士申请有帮助。
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。
为什么机器学习研究社区不限制每位作者的投稿数量?[D]
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。
AAAI 2027 审稿人竞标与分配完整性 [讨论]
这篇文章讨论了AAAI 2027审稿过程中的串通行为,特别是审稿人分配循环,并批评了顶级AI会议接受论文中缺乏代码发布的问题。
NLP的未来可能不在NLP会议上:自然语言处理中的学术迁移模式
一项分析2010年至2026年间14.2万篇NLP论文的研究发现,资深和新兴的NLP作者越来越多地将论文发表在NeurIPS和ICLR等通用机器学习会议上,而非ACL等核心NLP会议,且ML会议具有显著的引用优势。