2019年CVPR有哪些糟糕的论文?
包括但不限于论文本身的写作,创新点,提供的源码,希望各位的真知灼见能给后来者启发。
其实都是由于Dead lock。
/*会议恶性循环*/
投稿量爆炸—&>Reviewer不够—&>审稿人水平参差不齐 —&> 录取Paper水平参差不齐—&>读者看到水paper感觉这也能中—&>模仿水paper生产科研—&>投稿量爆炸
/*领域恶性循环*/
做实验性能非常好—&>强行尬解释—&>其实都是猜想,真正work的可能是trick—&>产生糟糕的玄学paper—&>读者糟糕的阅读体验—&>读者模仿科研—&>读者做实验使得性能非常好—&>......
这么多吐槽的,我就不说谁的论文不好了,我想说说我认为什么样的工作好。其实今天AI科研界和网红界差不多,被大多数人认为所谓好的AI工作者和网红一样,都长得差不多,不都是写著模式差不多的论文,灌了差不多的多少顶会么。后面还有一堆新毕业的博士,在努力争取长成网红脸。在这个领域,你要长的不是网红脸,你只能被当作异类处理。
这年月大家都在拿论文数量,引用,影响因子说事,特别是国内的老师学生,太看重这些了。我个人觉得这完全背离了科研工作的本意。这和武术变得主要要比谁一个跟头落地能纹丝不动,花样滑冰要比谁四周跳跳的多一样,忘记了武术的本质是要充分利用人体结构来合理发力,花样滑冰的核心是追求音乐动作合一的表现力一样,都走上了歧途。
这个世界做科研的,工作模式大致两类,一个是到处挖坑的,一个是一辈子挖一个坑的。这两种工作模式都可以,问题是挖坑一定要挖好东西,不能总挖垃圾。
我可以举一例我看到的挖坑挖的好的人, S. Lloyd,此人是量子信息领域的到处挖坑的大牛,每个方向只挖一铲子,挖完就走。他的主要贡献: (1)证明了Feynman关于用量子计算模拟量子系统的一个想法,(2)最早做量子计算硬体的,(3)提出了从量子计算构建时空结构的一种方法,(4)提出了一个时间旅行的模型并用于分析黑洞信息问题,(5)提出了Shor, Grove之后的第三个实用化量子演算法,主要用于量子机器学习,(6)提出量子雷达的概念,(7)考察了计算和物理规律的关系。这些只是我看到的他的一部分工作,这已经证明此人的牛叉之处了。问题是,他在每个方向都基本只写一篇论文,最多也不会超过3篇,然后有点老子留下五千言后言尽于此的气概,转身而去,重新挖坑,留下一堆身后的人在他挖过的地方继续挖,但是都很少能挖到他的高度。最近有一段时间没看到他的消息了,不知道这位又在憋著挖什么呢。
所以他的论文并不多,也就平均一年一篇吧(真正他写的,挂名的不算,不过我也没看到他有多少挂名的论文,有他名字的论文都是明显能看到他的思想贡献的),但是每一篇都是一个新思想新方向。我觉得这才是好的工作应该有的样子。按照这个标准,大家可以对比一下,哪些工作可以叫垃圾。
另外,如果听报告的时候,介绍里说此人写了几百篇论文,我建议大家转身就走,因为大概率的,此人大概不会有什么深刻的思想传达给你。
真心的建议大家进入科研领域后都仔细想想,是要一辈子做垃圾研究发一堆垃圾论文呢,还是沉下心来找好问题做好问题。对于一个科研人员来说,一辈子有一篇真正重要的论文就足够了,甚至有可能在他死之前,论文的重要性都没有被发现,这就是科研这份工作的规律。追求短期反馈绝对是违背科研规律的,对于个人评判工作好坏,是误导,对于国家评判科研,是恶政。
杨振宁先生说,和小说一样,科研和论文也有风格。一个领域应该有不同风格的工作和论文,风格多样性是一个领域活力的体现。Schwinger的繁琐严谨是一种风格,Feynman的灵动纯粹也是一种风格,Dirac的透彻深邃还是一种风格,Einstein的宏大鸟瞰又是一类风格,这个世界的科研绝不只有一种风格一个模式,他们都是好工作。我个人的感觉,AI这个领域的论文风格过於单一了,除了一些偏理论的工作外,绝大多数与应用有关的工作风格严重雷同,思想严重雷同,这种论文真是读起来面目可憎味同嚼蜡。我觉得这绝对不是好事情,这说明这个领域的思想过於单一。特别是小孩子们,一进入这个领域就被这个领域已有的固定思维带著跑了,他们没有时间去左顾右盼,去想想是否有其他可能性,他们只有沿著前人的路飞速的跑,否则他们就不能在这条路上跑得过别人,但我真的觉得,这个情况对于无论个人还是领域,都不是好事。
最后一点,AI作为新兴领域,出现一个我认为是很不好的现象,就是大量本科生进入领域发表论文并且成为风气。从我的角度看,本科生的工作做到我的标准之下所谓好的工作的,是非常非常罕见的(如果不是一个都没有),我觉得时间这件事真的是不能随便超越,人的认知水平一定和时间有关,本科生进入AI只是作为科研训练,真的不能指望有什么好工作出现,一个本科生做了半年一年就出好工作?对不起,我不信。我真心不希望AI这个领域闹到和材料生化一样成为灌水园地。
让我们大家都保留一点科研工作的初心,争取去做好的工作,学会辨别和欣赏好的工作,特别是年轻人,要培养好的科研品味,不要一上手就把味蕾弄坏了。我在知乎看到太多博士生朋友的味蕾已经完全坏了,根本不知道好的思想为何物,很不幸。
思想才是科研的核心,一个真正闪光的思想比一堆代码和数据实验都有价值,代码和实验是为思想服务的,绝不能替代思想。千万别说talk is cheap了,爱因斯坦这辈子都在think and talk, 他的talk实在是他思想的精华。
卞子守函谷,终南紫气多,借言屈子问,天机且如何。
算力方暴虎,AI正冯河,挂书青牛角,天工莫可夺。
与君歌一曲,请君听我明日歌。明日待回头,今日喧嚣一梦柯。
吃瓜群众昨天看这个问题吃瓜吃了一晚上,忍不住来回答一下;
目前所有回答里争议最大(讨论最激烈)的文章是 https://arxiv.org/abs/1811.00250 这篇利用GM进行网路剪枝的文章。
最早的一个匿名回答里提到了很多疑问,然后文章作者也大方地站出来回答了。
但是另一个问题出现了,有人随后指出文章中的公式(6)到公式(10)有明显错误,应该撤稿。特别是公式(10):