5000篇ICLR 2026论文差评聚类：baseline问题拒稿率最高至23%
sarahookr · x · 2026-10-17
作者用 adaptionai 的 Visualize 工具对 5000 篇 ICLR 2026 论文的最严厉评审意见做了聚类，分析哪类“弱点”投诉最影响录用。
主要发现：
- 被批 baseline 弱或新颖性不足的论文，录用率跌到约 23%，是最致命的差评类型；
- 被批计算成本高或现实有效性存疑的论文录用率仍有约 36%，相对宽容；
- 从数量看，“训练与任务设计”是最常见的弱点主题（约 900 篇），其次是 novelty & contribution 与 LLM/benchmark evaluation（各约 630 篇），但后两者录用率最低（22%-23%）；
- 图表还显示 efficiency & compute cost、real-world validity 主题录用率最高（约 35%+），fine-tuning setup 类投诉也偏温和（约 32%）。
结论：审稿人对“比较不公平、创新不足”极为敏感，而对效率与实用性类的批评相对手下留情。
「研究」频道最新
- 开发者观点：如今所有 AI 新基准本质上都是编码基准 — wateriscoding · 2026-10-17
- AI 提前两年完成 Lean 版菲尔兹奖球堆积证明，当事人复盘真相 — TOEwithCurt · 2026-10-17
- 犹他团队实时渲染 100 角色各 10 万根发丝,仅 1.7MB — TinfoilTricorn · 2026-10-17
- strand-aligned 3D Gaussian 新方法实现发丝级头发重建 — TinfoilTricorn · 2026-10-17
- Apple 研究：7B 模型重试 8 次可比肩 32B，内存省 4 倍速度快 6 倍 — CatAstro_Piyush · 2026-10-17
- 用可视化图解讲透Flow模型里的变量替换公式与Jacobian项 — CatAstro_Piyush · 2026-10-17