顶会ICML结果一出，掀起一片混乱。
LeCun分享自己的“战果”：三篇全没中，推特上就没看到有谁中了的。
UC伯克利教授马毅也表示今后不再投ICML了，评审非常随意、不透明，最大的担心是学生开始迎合评审人的口味。
以往学术会议放榜之时，往往呈现“几家欢喜几家愁”的局面。
今年愁的一方却格外的多，画风也格外离谱。
有人收到的的说法是：
前后矛盾，让他开始怀疑这人有没有读过自己写出来的东西。
还有人挂出自己收到这样的结果：
一条审稿意见没能理解一个小学数学问题的变体，另一条质疑整个流形学习和无监督学习领域，AC（领域主席）还都认同了。
……
种种抱怨声甚至已经传到了机器学习领域之外，搞得其他领域学者一头雾水。
但是从宏观看的话，今年ICML的接受率为21.9%，与前两年相比也基本持平。
评审并没有更严格，而是像马毅教授批评的那样“更随意”了。
有人收到审稿人的一致好评，最终却因4个拼写错误在元评审（meta review）阶段被拒。
还有人因审稿人没提出高质量意见付出代价。
这届ICML，问题究竟出在哪里？
机器学习会议投稿量逐年激增，审稿人工作强度大、审稿质量和速度无法兼顾问题越来越凸显。
作为应对，ICML2022做出了几项变化。
审稿人来源的变化，邀请更多投稿人同时担任审稿人，试图把审稿工作量摊薄。
流程上的变化，采用两阶段审稿再配合元审稿机制。
两阶段审稿由AAAI 2021引入，今年被更多会议采用。
在第一阶段，每篇论文分配至少两个审稿人，如果两人一致认为应该拒稿，交给元审稿人再判断一次，最终提交给会议主席做决定。
第二阶段，留存的文章再分配第三个审稿人不参考第一轮结果独立评审，rebuttal后再由两轮元审稿做判断。
细节上的变化还有一条，作者和元审稿人看不到审稿人打的分数，只能看到文字评价。
一系列变化的初衷是为减轻审稿人压力，和促使他们做出更高质量的评价，但具体执行上却走了样。
首先，新机制导致不负责任的审稿人更多了。
有人反馈，审稿质量肉眼可见的下降了，自己当审稿人时很认真，但自己的论文分配到的审稿人都是随便一些。
另一位作者兼审稿人有同样的遭遇，遇到凑数的、不懂装懂的、甚至要求作者引用自己论文的。
第二，不显示分数的试验性做法让很多人不适应。
对于作者来说，没有分数又遇到不认真的审稿意见的话，在rebuttal阶段无从着手。
在审稿人和元审稿人之间也带来沟通障碍。
最后，新引入两阶段审稿流程不完善，带来新的问题。
有不少人反映，在rebuttal之前并没有看到所有评审意见。
这位收到的5条意见在rebuttal过程中只能看到2条。
根据加州理工教授Yisong Yue分析，问题在于很多审稿人一阶段给出简单评价后就不跟进了，导致元审稿人必须再分配更多的审稿人，不够及时的话就会发生在作者回复之后。
综合各种因素，最终新机制产生的问题似乎比解决的还多。
ICML在机制创新上经常走在前面，过去率先要求提交代码，提出规范实验步骤，都取得不错的效果，也被其他会议跟进。
对于审稿这个老大难问题，你有什么想法？
参考链接：
[1]https://twitter.com/ylecun/status/1526033359398379521
[2]https://github.com/lixin4ever/Conference-Acceptance-Rate
[3]https://www.zhihu.com/question/524486916
[4]https://media.icml.cc/Conferences/ICML2022/ICML2022_AC_Tutorial.pdf
“
