Skip to content

MLNLP-World/Paper-Rebuttal-Tips

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

2 Commits
 
 
 
 
 
 

Repository files navigation

Paper Rebuttal Tips

version status PRs stars

面向人工智能、大模型等领域的会议投稿 Rebuttal 写作指南

项目动机Rebuttal Tips资源合集组织者列表欢迎贡献



Good rebuttal = Respect + Evidence + Clarity
尊重审稿人 · 给出证据 · 澄清贡献


项目动机

Rebuttal 不是简单地"反驳审稿人",而是在极短篇幅内重新组织证据、澄清误解、补足实验,并让 AC 和审稿人看到论文仍然值得被接收。

本项目整理了 AI 顶会投稿中常见的 rebuttal 场景,将每一类问题总结为四部分:

组成部分 说明
审稿人问题 典型的审稿意见或质疑
反面回答 容易踩坑的回复方式
推荐回答 更有效的回应策略
核心点 关键要点总结
⚠️ 免责声明

本项目列举的所有技巧仅供参考,并不保证正确,不保证适用于所有会议、所有领域或所有审稿场景。不同会议的 rebuttal 规则、字数限制、是否允许新增实验和是否允许外链可能不同,请以会议官方说明为准。

所有内容仅仅来自于笔者的个人经验、互联网数据、笔者团队日常科研工作中的相关积累,以及笔者团队身边各位大佬的言传身教。有任何问题,欢迎提交 Issue 或 PR。另本项目所用徽章来自互联网,如侵犯了您的图片版权请联系我们删除,谢谢。


📚 Rebuttal Tips

🎯 创新性、动机、理论与边界类

Tips 1–7

聚焦"有什么价值、和已有工作有什么本质差异、方法边界在哪里"

💬 写作澄清、相关工作与沟通策略类

Tips 8–12

聚焦表达不清、相关工作不足、审稿人误解以及低质量负面评审

🔬 实验与评测证据类

Tips 13–28

聚焦 baseline、消融、开销、泛化、显著性、人工评测、复现性


🎯 创新性、动机、理论与边界类

聚焦"为什么值得做、和已有工作有什么本质差异、方法边界在哪里"等问题。

Tip 1: 方法过于复杂 / 技巧堆砌

Tip 1: 方法过于复杂 / 技巧堆砌

Tip 2: 创新性不足 / 与前人工作相似

Tip 2: 创新性不足 / 与前人工作相似

Tip 3: 被质疑为现有技术的简单组合

Tip 3: 被质疑为现有技术的简单组合

Tip 4: 论文贡献表述不清

Tip 4: 论文贡献表述不清

Tip 5: 动机不清 / 问题重要性不足

Tip 5: 动机不清 / 问题重要性不足

Tip 6: 理论分析不足

Tip 6: 理论分析不足

Tip 7: 局限性探讨流于表面

Tip 7: 局限性探讨流于表面

⬆️ 返回 Tips 目录


💬 写作澄清、相关工作与沟通策略类

聚焦表达不清、相关工作不足、审稿人误解以及低质量负面评审等沟通场景。

Tip 8: 相关工作讨论不足

Tip 8: 相关工作讨论不足

Tip 9: 论文表述不清楚

Tip 9: 论文表述不清楚

Tip 10: 审稿人误解了方法

Tip 10: 审稿人误解了方法

Tip 11: 笼统、低质量的负面评审

Tip 11: 笼统、低质量的负面评审

Tip 12: 通用策略:尽量不要只承诺,直接行动

Tip 12: 通用策略:尽量不要只承诺,直接行动

⬆️ 返回 Tips 目录


🔬 实验与评测证据类

聚焦 baseline、消融、开销、泛化、显著性、人工评测、复现性等实证问题。

Tip 13: 与强 baseline 比较不足

Tip 13: 与强 baseline 比较不足

Tip 14: 实验提升幅度较小

Tip 14: 实验提升幅度较小

Tip 15: 实验设置不公平

Tip 15: 实验设置不公平

Tip 16: 消融实验不足

Tip 16: 消融实验不足

Tip 17: 方法复杂度 / 计算开销过高

Tip 17: 方法复杂度 / 计算开销过高

Tip 18: rebuttal 周期内无法完成的大规模实验

Tip 18: rebuttal 周期内无法完成的大规模实验

Tip 19: 数据集规模较小

Tip 19: 数据集规模较小

Tip 20: 泛化性不足

Tip 20: 泛化性不足

Tip 21: 结果缺少统计显著性

Tip 21: 结果缺少统计显著性

Tip 22: 训练数据泄露风险

Tip 22: 训练数据泄露风险

Tip 23: 超参数敏感性

Tip 23: 超参数敏感性

Tip 24: 评测指标选择不当

Tip 24: 评测指标选择不当

Tip 25: 缺少人工评测

Tip 25: 缺少人工评测

Tip 26: 缺乏对中间结果/生成质量的直接评估

Tip 26: 缺乏对中间结果/生成质量的直接评估

Tip 27: 动态/持续过程缺乏时间维度的实验支撑

Tip 27: 动态/持续过程缺乏时间维度的实验支撑

Tip 28: 可复现性 / 未提供代码

Tip 28: 可复现性 / 未提供代码

⬆️ 返回 Tips 目录


📖 资源合集

🇨🇳 中文经验

🎬 视频 / 课程资源

# 资源 说明
1 GAMES003 第九讲:论文 Rebuttal 策略 中文视频 + 课件

🛠️ 工具、工作流与仓库

# 项目 简介
1 Awesome Rebuttal Evidence-grounded academic rebuttal strategy and author-response drafting
2 ARIS 自动 Rebuttal 工作流 上交杨若峰博士开发的 SKILLS
3 RebuttalStudio 供研究人员撰写高质量学术 rebuttal 的编辑器
4 RebuttalAgent 基于人工智能的学术论文 rebuttal 助手
5 AutoRebuttalClaw 面向顶级 ML/AI 会议的 AI 驱动 rebuttal 生成工具
6 awesome-ai-research-writing 包含学术写作与意见生成相关 skill/prompt 的仓库

🌍 英文经验

# 资源 作者/来源
1 How we write rebuttals Devi Parikh et al.
2 Rebuttal tips / Writing rebuttals CMU, Maarten Sap
3 Patterns for writing good rebuttals CISPA, Andreas Zeller
4 Rebuttal advice (do's and don'ts) MIT, Frédo Durand
5 How to ML Rebuttal: A Brief Guide Oxford, Jakob Foerster

👥 组织者列表

感谢以下成员对本项目进行组织与指导

           


🤝 欢迎贡献

欢迎通过 IssuePR 补充更多 rebuttal 场景、真实案例以及相关工具。

📝 建议新增内容时保持以下结构
<Tip 标题>
审稿人问题:...
反面回答样式:...
推荐回答样式:...
核心点:...

About

MLNLP社区用来帮助大家论文Rebuttal的整理仓库。

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors