EMNLP keynote sparks debate: industry reads academic papers, just without crediting them
@gneubig 在 EMNLP 会议的一场「略带挑衅但启发颇多」的主题演讲,集中回应了「学术 NLP 论文都是废纸」的流行质疑:产业界之外的 NLP 研究仍有价值,而且产业界确实在读学术论文,只是使用学术成果时往往致谢不当。@srchvrs 将演讲整理成线程发布,引发讨论。
已确认
- GitHub 团队在其代码搜索历史的官方博客中承认受益于 @srchvrs 团队关于快速位打包(fast bit-packing)的学术工作,但只致谢了三位作者中的一位(漏掉两位),成为「产业界在用但署名不当」的亲身例证。
- 演讲给出的核心判断:只有一小部分学术发明真正产生影响力,它们未必发表(Muon 优化器即为未发表而被采用的例子),也未必发在顶会。
- 演讲列出被 LLM 开发者采用的工作特征:重要:解决重要问题、持续软件支持、强基线、可验证的扩展性;次要:会议发表等。
- 演讲对学者的四方面建议:学术 NLP 研究是否仍值得做、如何挑选问题、如何产生影响力等;总结起来是解决重要问题(并持续与相关方确认什么重要)、打磨质量、做规范的 eval(用对的指标和基线)、让成果易于使用。
- @srchvrs 将这套方法论类比为 Cal Newport《慢生产率》与 Hamming 的著名演讲的结合,并强调「这很难、需要时间」。
为什么重要
- 在「LLM 时代学术研究无用」论调盛行之际,该演讲给出了一线从业者的反面证据:产业界在实质性地采用学术成果,问题出在致谢与发表激励错位,而非研究本身没有价值。
- 对研究者的可操作启示明确:与其追逐顶会发表,不如选重要问题、维护可用软件、跑赢强基线并保证可扩展——影响力来自实用性与持续维护。
2026-10-27 ~ 2026-10-27 · 6 related posts
Primary sources
- EMNLP keynote: industry does read academic NLP papers, it just rarely credits them — srchvrs ·
- Researcher says GitHub used his team's bit-packing work but credited only 1 of 3 authors — srchvrs ·
- Bitter lesson part 2: few academic inventions matter, and conference publications aren't the key — srchvrs ·
- EMNLP keynote by Graham Neubig: is non-industry NLP research still viable? — srchvrs · 2026-10-27
- [source] EMNLP keynote: industry does read academic NLP papers, it just rarely credits them — srchvrs · 2026-10-27
- [source] Researcher says GitHub used his team's bit-packing work but credited only 1 of 3 authors — srchvrs · 2026-10-27
- [source] Bitter lesson part 2: few academic inventions matter, and conference publications aren't the key — srchvrs · 2026-10-27
- The four criteria for research impact: important problems, strong baselines, scalability, real usability — srchvrs · 2026-10-27
- What makes research get adopted: important problems, proper evals, and usability — srchvrs · 2026-10-27