撰写人工智能会议论文：初学者手册

我们认为，本文最需要的是同行评审，我们热忱欢迎任何形式的宝贵建议。

作者：hzwer、DingXiaoH

知乎 1-2-3｜跃问中翻 | 豆包总结 | 公众号

摘要。 对于新手而言，撰写研究论文可能面临诸多挑战，尤其是在截止日期临近且缺乏学术投稿经验的情况下。一篇准备不足的论文不仅会让合作者和读者感到困扰，还常常导致被拒或需要进行大量修改。在本文中，我们将为希望撰写人工智能会议论文的初学者分享一些实用技巧。我们的目标是让这篇文章成为一份面向初学者的指南，帮助大家更轻松地分享学术成果。

引言

背景。 GPU集群已经运行了半年，你感觉成果已经相当显著。然而，你突然意识到，一场重要会议的投稿截止日期不到一个月了，而你至今只写过几份课程作业报告。到底应该提前多久完成初稿，才能避免错过截止日期？一篇优秀的研究论文与糟糕的论文究竟有何区别？在开始写作之前又该做些什么呢？这些问题像噩梦般萦绕心头，让你只能盯着空白的Overleaf页面发呆。幸运的是，本文正是为你而写。

在本文中，我们将围绕会议论文的撰写展开讨论，重点针对初学者常遇到的误区。文章主要分为两个部分：从零构建论文 和 细节打磨。我们希望通过提供切实可行的指导，帮助初学者克服学术写作中的复杂性，以清晰、自信的方式为学术界贡献力量。在此，我们诚挚推荐由Chao Ma整理的写作技巧资源清单。

从零构建论文

本节将详细介绍如何从零开始撰写一篇人工智能领域的论文，内容涵盖核心思想、整体框架、引言以及相关工作部分。

找到核心思想

你可能已经有了有趣的发现和实验结果，但却不确定如何提炼出论文的核心主题。大多数已发表论文的关键贡献，恰好属于以下三类中的一类（摘自Nowozion）：

洞察：你对已存在的现象给出了新的解释。 性能：你能把某件事做得更好。 能力：你能做到以前无法实现的事情。

明确你工作的核心优势，并在论文的早期部分加以强调。这样，读者就能带着预期继续阅读后续内容。此外，你还可以从其他方面进一步拓展整体的新颖性。新颖性似乎难以捉摸，它到底是什么？ 关键的研究课题、高效的解决方案以及创新性的技术贡献，是构成论文新颖性的主要要素。例如，深度学习领域许多早期具有影响力的成果，正是由于其潜在的全局性影响而诞生；RAFT和NeRF等方法则凭借卓越的性能吸引了大量研究者，它们的核心思想之外还包含大量的工程化处理。像“批归一化”和“残差学习”这样的技术，之所以备受推崇，正是因为其实用性和有效性。通过突出你工作的新颖性，你将能够分辨哪些方面值得深入探讨，哪些只是无关紧要的细节。

毕加索笔下的一抹随意涂鸦，同样可以如伦勃朗的精妙画作般令人赞叹。—— 科学中的新颖性（强烈推荐给读者）

要点：清晰理解你的方法相较于前人有哪些增量，并提炼出一到两个核心思想。

读者阅读论文时，往往是在寻找新颖的洞见。一篇优秀的论文应当具备鲜明且易于记忆的亮点。你需要不断打磨自己的核心观点，直到确信他人会迫不及待地想要了解并广泛分享这些内容。尤其需要注意的是，有些想法或许非常出色，但如果缺乏原创性，则未必适合在论文中详尽描述。撰写论文时，重点应放在提供新颖、独特且有价值的观点上，以吸引读者的注意并激发他们的兴趣。

不要低估自己工作的新颖性。深入挖掘其背后的原理。如果将ResNet论文改写成：“我们基于VGGNet和GoogleNet的设计思路，采用大量3×3卷积层并引入并行捷径连接”，那么这篇论文也将失去其新颖性。而ResNet论文真正讲述的故事，是提出问题、抽象出底层原理、给出自己的解决方案与具体实现，并通过实验加以验证。这或许并不完全反映他们的研究过程（参见知乎链接），但它有效地展示了他们的发现。

要点：发现新现象、分享新思路，比单纯提升性能更为重要。

许多优秀的论文往往在实验结果上表现出色。这容易让人误以为，好的结果就是论文的全部价值所在。然而事实上，实验结果只是对新发现的一种佐证。微小的结果改进并不一定意味着新知识的产生。撰写论文时，首先要思考读者能从你的工作中学到什么新东西，而不仅仅是炫耀比别人更好的结果。

此外，何凯明指出，研究人员应当着眼于未来，而非仅仅追求过去的“最先进”水平。通过运用奥卡姆剃刀原则——寻求简单而有效的解决方案——并在真实场景中验证研究的同时，预测实验结果及未来需求，研究人员可以减少研究中的“过拟合”现象。与其一味为眼前的验证而精心设计实验方案和指标，不如在写作过程中更多地考虑工作的长期正确性和实际意义。那些经得起时间考验、真正正确的发现，才能持续发挥影响力。通过摒弃那些仅为发表论文而使用的复杂技巧，找到简洁有效的解决方案，研究人员便更有可能使自己的工作推广应用于未来的各种场景。

构建框架

要点：摘要—引言—主体，层层递进。每个部分都应自成一体。

一篇典型的论文结构包括：1. 摘要，2. 引言，以及 3. 主体部分，其中主体通常包含相关工作、方法论、实验、讨论、结论和参考文献等章节。我们可以将这一结构划分为三个层次。在每一层中，都应力求呈现一个完整的研究叙事。每一层都是对前一层的进一步展开与深化。基于这一理解，接下来我们将探讨如何有效地讲述研究故事。对于初学者而言，建议优先完成论文的主体部分。

要点：明确目标读者，重点介绍有价值的发现，而非曲折的研究过程。

在紧扣核心思想的前提下，开始梳理拟在论文中呈现的内容。首先可以制作一张简单的幻灯片，向同行、同事或导师展示你的研究思路与成果，以评估他们是否能够理解。不妨主动征求那些不熟悉你研究领域的专家的意见，从而发现潜在的理解盲区。与实验过程不同，撰写论文时应突出有价值的新颖性，避免呈现尚不完善或过于复杂的研究细节。研究人员都深知科研的艰辛，但这种苦涩的描述更适合放在项目的后记中。始终从读者的角度出发，不断审视并优化你的表达，直到它变得通俗易懂为止。

如果你觉得实验设计的严谨性不足，可能还需要补充一些额外的实验来完善你的工作。同时，建议进行充分的文献调研，最好能找到几篇主题高度相关的论文，将其视为你论文的潜在竞争对手，并仔细分析它们的优点与不足。思考哪些方面能够真正吸引学术界的关注，然后加以强化；而那些陈词滥调的内容则尽量减少甚至删除。

要点：围绕贡献陈述，在结果部分展开扎实的分析。

许多读者在决定是否阅读全文之前，会先查看结果部分，以初步判断方法的有效性。他们会确认你的贡献是否与实验结果相符。即使你对自己的方法充满信心，也往往需要通过更多的对比实验和消融实验来加以验证。因此，应多制作表格和图表，挑选最具代表性的内容进行展示。诚实客观至关重要，切忌夸大其词。如果担心过度宣称，不妨与同行交流讨论。

撰写引言

有了上述材料，你就可以尝试撰写引言了。关于引言的结构，我们直接引用教科书中的内容（来自 Elena）：

步骤 1：确立研究领域

a. 阐明该研究领域的重要性、核心地位、趣味性及其存在的问题；

步骤 2：找到研究空白

a. 指出前人研究中的不足之处，或在某些方面拓展已有知识；

步骤 3：填补空白

a. 阐述研究目的或说明本研究的性质；
b. 列出研究问题或假设；
c. 宣布主要发现；
d. 说明本研究的价值；
e. 介绍论文的整体结构。

附加建议：

a. Knuth：时刻牢记读者的需求；

b. 直奔主题，避免过多无关内容。论文的新颖性和吸引力应尽早展现；

c. 多花些笔墨描述原创性和新颖的想法；

d. 尊重前人的工作，在指出其不足之处之前，先肯定他们的历史贡献；

e. 可考虑使用“首页图”来突出论文最重要的内容，以吸引读者注意。

正如我们之前提到的，主体部分实际上是引言的扩展版。通常，通过在引言中补充更多实验细节，便构成了论文的主体部分。

描述相关工作

要点：平庸的做法是简单罗列历史脉络，而更好的做法则是聚焦于不同方法与你的工作的关联。

这部分内容不一定必须包含在引言中。一般情况下，论文会单独设立一节来讨论相关工作，其中包括背景研究和竞争性研究。选择三到四个与你的论文最相关的主题，分别梳理每个主题的历史演进过程。不要一味列举其他方法的缺点，而是要说明你是如何对其进行改进的。你可以先撰写一篇独立于自己工作的文献综述。在对前人方法进行分类和排序时（例如称某方法为先驱），务必注意论述的准确性。若把握不准，可参考你所引用的论文中的“相关工作”部分。最后，再从更贴合你论文特点的角度重新组织这一部分内容。

提升可读性

“文章千古事，得失寸心知。”——杜甫

“最好的写作指导就是：好文章不过是坏文章经过反复修改的结果。这句话出自斯蒂芬·金，至于他从哪里学来的，我就不知道了。现在我把这句话送给你，请转告你的学生。”——罗伯特·魏斯

要点：越是重要的部分，就越需要投入更多时间打磨。

接下来我们将主要讨论细节的润色。目前，像 ChatGPT 和 Claude 这样的AI助手，已经能够轻松帮助作者解决英语写作中的基本问题。我们也推荐中文地区的作者使用 跃问 或 豆包 等工具。你可以让AI生成多个版本，然后从中挑选最合适的一个。在使用这些工具时，切记要以清晰度为先，而非过分追求文采。

接下来我们将讨论一些难以通过自动化手段解决的问题。我们将从逻辑强度、论证合理性、信息密度以及读者理解所需的时间等几个维度来衡量论文的可读性。基于这些概念，下面将提供一些实用的建议和技巧，以进一步提升论文的可读性。

提升逻辑性

要点：不要误用或滥用连接词。

在学术写作中，逻辑连贯性比华丽的词汇更为重要。逻辑连贯性源于内容本身的逻辑，而非依赖于连接词。我们应将连接词视为润色语言的辅助工具，而不是用来人为构建句子逻辑的手段。如果连接词与实际逻辑不符，不仅会令人困惑，还会大大降低文章的可读性。以下是一些具体示例：

我们认为问题A至关重要。为此，我们提出了方法B。

“为此”指的是什么？事实上，前文仅提出了一种观点，并未明确任何行动或目标，因此使用该连接词本身就不恰当。连接词必须符合语法规则。

该系统由三个模块组成。首先，模块A是……其次，模块B是……最后但并非最不重要的是，模块C是……

这里，多个连接词为原本并无先后顺序的三件事强加了某种顺序。我们不应借助连接词来制造逻辑关系，而是分别介绍这三个模块会更为合适。

考虑论证的可靠性

在写作时，我们应当设想读者可能会对每一句话提出质疑。如果他们认为某处存在明显错误，就可能对整篇论文产生怀疑。为了增强论文的可信度，我们需要尽量减少被质疑的可能性。

要点：基于参考文献和事实陈述观点。

当我们写道“问题A是本领域的痛点，至今仍未解决”时，应考虑到读者可能会问：“为什么这是痛点？其后果有多严重？这些后果是否会对最终性能产生重大影响？”这就需要补充相应的参考文献。

据报道，问题A会导致……[1,2,3]以及……[4,5]，而这些因素对……至关重要，因为……[6,7,8]。

在讨论论文结果时，更需严谨：

性能有所提升，这归因于XXX……

证据应清晰突出地呈现；

这一提升或许可以解释为XXX……

也可以展示一些间接证据，例如可视化图表。同时，务必保持客观，避免夸大其词。

缩短读者的困惑时间

“困惑时间”是指读者在阅读过程中，从“嗯，这是什么？”到“哦，我明白了”的每个瞬间所花费的时间总和。一篇论文的总困惑时间越短，其可读性就越高，读者也会感到更加轻松。

要点：在提出概念时，尽可能就近加以解释。

建议在给出某个组件的名称后，立即说明其本质；例如，“我们提出了XXX，它由一个两层的多层感知器（MLP）实现。”如果某个概念难以解释，可以通过引用文献来补充说明。

要点：消除关系代词的歧义。

如果无法使长句完全无歧义，则应将其拆分为若干短句。由于相当一部分读者并非母语使用者，过于复杂的句式并不会为其增分。

要点：频繁使用主题句，最好置于段落开头。

读者未必能迅速理解所有细节，此时通过主题句即可快速获取主要信息，从而避免影响整体阅读体验。

提高信息密度

“信息密度”是指文本向读者传递有效信息的效率。信息密度低可能导致读者注意力分散，并对作者的专业性产生质疑。

要点：尽快切入正题。

各部分的开头可以简要回顾相关背景，但不宜冗长。“不要撰写无关内容，也不要重复大多数读者已熟悉的内容。”例如，若大谈人类书写技能的发展历程，无疑会让绝大多数读者失去兴趣。

要点：文字与图表都应详略得当。

采用图文并茂、布局合理的排版方式。避免常见的误区，如只突出几个关键点的大图表，或过长的实验细节和超参数描述——这类内容更适合放在附录中。

要点：重要的解释说明应尽量靠近图表。

理想情况下，每张图表都应能在脱离正文的情况下独立理解。在图注中，应清晰阐明主题及关键结论。若图表中使用缩写，最好附上解释说明。

若想强调表5中的某项结果，分析该结果的句子最好与表5同页出现，并且在句子前后明确标注“表5”。这是因为读者通常不会逐字细读全文，而是先浏览图表，再寻找与图表内容相关的文字。当他们在表5中看到引人注目的结果并产生好奇时，很可能会使用PDF阅读器的搜索功能查找“表5”。不要指望读者能够自行从复杂的表格中判断出哪些数据应该相互比较以得出结论。我们应该直接列出需要对比的内容。如果设计这样的表格较为困难，不妨多次重复某一关键结果（通常是需要与多组结果进行对比的基准），即使牺牲一定的美观性也在所不惜。没有人会因为表格不够美观而拒绝你的论文，但如果表格不够清晰，却会让人非常困扰。

细节检查清单

首要任务是避免犯错。在追求论文美观之前，应优先确保其严谨性。以下是一个帮助作者提升写作质量的检查清单：

• 通览图表，确保故事完整。努力提升图表质量，使其具备自明性。
• 检查符号、缩写和参考文献是否存在不一致之处。
• 文字与图表的详略程度是否恰当？
• 是否已将重要信息置于显眼位置？
• 图中的文字和图例能否适当放大？
• 是否可通过分列、加粗文字、删除冗余等方式提高表格的易读性？
• 是否能提升可重复性？例如，在附录中提供详细步骤和关键代码。

更多细节将在附录中列出。

结论

要点：祝你好运！

在未经同行评审的情况下，本文难免存在诸多不足之处。文中所阐述的概念主要源自社区内广泛共享的知识，我们尽力将其整合并简化，以帮助新加入社区的成员更快上手。我们的目标是提供一份简明而全面的指南，帮助那些刚开始撰写人工智能会议论文的人们降低学习门槛。若本文能为任何读者带来清晰的思路与方向，我们将视为成功。留下一颗星将是对我们极大的鼓励。

附录

在附录中，涵盖了以下几个主题：

最后几小时检查清单：提供了一份检查清单，用于确保论文在提交前一切就绪。

AI论文的制作与发表：概述了人工智能会议中论文的投稿、评审及发表流程。

常见的负面评审意见：列出了审稿人可能提出的常见批评以及改进建议。

如果论文未被接受：提供了应对拒稿的建议，并指导如何改进论文以备再次投稿。

AI会议列表：列出了一些值得关注的人工智能会议的相关信息，供您参考。

最后几小时检查清单

• 检查各类数字是否抄写无误。
• 搜索问号以排查 LaTeX 错误。
• 确保所有图表均在正文中提及，且提及顺序与图表出现顺序一致。
• 图表的标题应醒目易读，避免语法错误，建议在末尾加上句号。
• 将图表矢量化处理。
• 检查所有公式是否完整，编辑过程中容易被忽略。
• 通读所有小标题，统一大小写格式。
• 确认正文页数之外没有多余图表。
• 检查匿名性要求，必要时需删除致谢部分；若提交了代码或演示视频，则更需注意保持匿名。
• 务必确认页数准确，以免被直接拒稿。

AI论文的制作与发表

本节主要介绍论文的制作流程及评审机制。根据会议的具体要求，一篇会议论文通常采用双栏排版时长约八页，单栏排版则超过十页。作者需在截止日期前准备好论文及相关补充材料（如代码、演示视频等）并按时提交。

只要不存在重大疏漏——例如未进行匿名处理、格式严重不符或超出页数限制等可能导致直接拒稿的情况——论文便会进入评审阶段。大约两个月后，作者会收到三位审稿人的反馈，包括评语和综合评分。这些审稿人大多在相关领域发表过论文，甚至可能被作者引用。基于初步评审结果，作者需撰写约一页的简短回复，回应审稿人的疑问或补充新的发现。这一阶段大约有一半的论文会被撤回。随后，审稿人会在一周至两周内（通常在专用平台上）讨论回复内容，判断作者是否已消除其顾虑，并评估论文的价值。多数情况下，审稿人会达成一致意见，但有时也会由领域主席作出最终决定。

最终的接收结果还需再等待约一个月，届时将通过电子邮件通知。一般来说，接收率约为提交稿件的六分之一至四分之一。作者需根据审稿意见修改论文，提交最终定稿以供出版。然而，大多数论文都会被拒稿并退回给作者。这些作者可以选择按照上述流程重新投稿，也可以选择放弃该论文。值得注意的是，许多论文会经历漫长的打磨与修改过程，业内俗称“斐波那契投稿法”。（推荐观看石博鑫的中文讲座：链接）

常见的负面评审意见

我们列举了一些常见的负面评价及相应的改进建议（以斜体标注）。

• 批评作者不够专业：缺少重要参考文献；论文结构混乱，缺乏关键要素，例如针对视频相关研究未提交补充视频结果；实验设置与已有工作差异过大。

参考近期论文的参考文献列表进行补充，并调整实验配置使其更具可比性。

• 质疑论文的有效性：报告的结果不符合常理，缺乏可信度；夸大自身成果或做出明显错误的断言；实验设计或论证存在缺陷。

增加实验次数，优化表达方式，力求严谨。

• 不尊重前人工作：未引用最新研究成果，实验基准过低；过度贬低前人工作；混淆自身工作与前人贡献。

多与现有工作对比，深入查阅文献；若指出他人工作不佳，务必提供证据。

• 缺乏创新性：故事叙述不连贯，逻辑不清，或大部分内容为已知知识；给人感觉工作只是微小改进，贡献不大。换句话说，效果并不突出。

与同行交流讨论，突出论文的独特优势。

• 论文质量较差：语法错误较多，写作水平欠佳，英语能力有限；表述晦涩难懂，细节缺失。

可借助 AI 工具或 Grammarly 进行修改，并请朋友帮忙阅读。

• 对研究方法持有异议：不认可实验设计，或对技术路线持怀疑态度。

可通过更多实验验证，或引用相关文献中的类似观点来支持自己的论点，争取说服其他审稿人。

如果论文未被接受

审稿过程具有很强的随机性。但有一条经得起时间和随机性考验的黄金法则——写作糟糕的论文必然会得到差评。就这么简单。 无论想法多好、结果多好、引用多高，都无关紧要。写作至关重要——这听起来颇具讽刺意味，因为在大学的所有学科中，工程师往往是最不擅长写作的一群人。你需要严格要求自己：留出充足的时间进行写作，深入思考如何表达，并反复修改，直到文章达到你能想到的最完美状态。（李飞飞）

有许多论文在被拒后仍保留在 arXiv 上，如今却产生了巨大影响1；2；3；4。【许多优秀的工作曾被拒，甚至收到过极为负面的评审意见。】(https://www.reddit.com/r/MachineLearning/comments/vywfx3/d_are_there_any_rejected_papers_that_ended_up/) 对于初学者而言，审稿过程尤为煎熬，因为他们很可能把全部希望都寄托在一篇论文上。事实上，论文往往会在整个审稿过程中得到显著改进。如果这个过程帮助你产出了一篇真正优秀的论文，那么你不仅会从中受益，还能为此感到自豪多年。请记住，论文只是整个研究工作的初始步骤或其中一小部分。

人工智能会议列表

会议日程通常可以在 AI Conference Deadlines 上找到。而各会议的接收率则可在 Conference-Acceptance-Rate 上查阅。

注意：接收率和投稿截止日期可能会有所变化，请务必以各会议官方网站上的最新信息为准。

会议名称	典型投稿月份	近年接收率
IJCAI	1月	~14%
ICML	1月	~27%
ICCV/ECCV	3月	~27%
BMVC	4月	~26%
ACMMM	4月	~26%
NeurIPS	5月	~26%
EMNLP	5月	~23%
WACV	6月和8月	~45%
ACCV	7月	~33%
AAAI	7月	~24%
ICASSP	9月	~45%
ICLR	9月	~31%
NAACL	9月	~23%
ICRA	9月	~45%
AISTATS	10月	~28%
CVPR	11月	~24%
ACL	滚动审稿	~23%

WritingAIPaper 快速上手指南

工具简介：WritingAIPaper 并非一个可安装的软件包或代码库，而是一份由社区维护的开源写作手册与指南。它旨在帮助初学者掌握撰写 AI 会议论文的核心技巧，涵盖从核心思想提炼、框架搭建到细节润色的全过程。

由于本工具本质为文档资源，无需进行环境配置或命令安装，请直接阅读以下使用指南。

1. 环境准备

本指南以在线文档形式存在，无特定的系统要求或前置依赖。

• 阅读设备：任意可访问互联网的电脑、平板或手机。
• 推荐平台：
  • GitHub 原版：适合查看最新更新及英文原版内容。
  • 国内镜像/翻译版（推荐国内用户）：
    • 知乎专栏系列（中文深度解读）
    • 跃问中翻版
    • 豆包总结版
• 写作工具建议：虽然指南本身不限工具，但文中示例多基于 Overleaf (LaTeX) 或主流 Markdown 编辑器。建议提前注册 Overleaf 账号以便实践。

2. 安装步骤

本工具无需安装。

• 在线阅读：直接点击上述链接在浏览器中打开即可。
• 本地保存（可选）： 若希望离线阅读或参与贡献，可通过 Git 克隆仓库：

  git clone https://github.com/hzwer/WritingAIPaper.git
  

  进入目录后，使用 Markdown 阅读器（如 VS Code + Markdown Preview Enhanced 插件）打开 README.md 及相关章节文件。

3. 基本使用

本指南的使用核心在于遵循其提出的写作思维框架。以下是基于手册内容的三个关键实践步骤：

第一步：提炼核心思想 (Find the Core Idea)

在动笔前，明确你的工作属于以下三类贡献中的哪一种，并以此贯穿全文：

1. Insight (洞察)：对已有现象提供了新的解释。
2. Performance (性能)：在某项任务上做得更好。
3. Capability (能力)：实现了以前无法完成的任务。

操作建议：用一句话概括你的核心增量（Increment），确保读者能迅速抓住重点。避免堆砌实验数据而忽视新思想的表达。

第二步：构建论文框架 (Construct the Framework)

按照“摘要 -> 引言 -> 正文”的三层递进结构组织内容，每一层都应是一个完整的故事：

1. Abstract (摘要)：浓缩整个故事。
2. Introduction (引言)：扩展摘要，明确研究动机、缺口（Niche）及本文贡献。
3. Main Body (正文)：包含相关工作、方法、实验、讨论等，是对引言的详细支撑。

操作建议：先制作几页简单的 PPT 向同行展示思路，收集反馈后再开始撰写正文。确保实验部分围绕贡献陈述进行扎实的分析（包括对比实验和消融实验）。

第三步：撰写引言与相关工作 (Write Introduction & Related Work)

• 引言结构：遵循 "Move 1 (建立领域重要性) -> Move 2 (发现研究缺口) -> Move 3 (占据缺口/提出本文方案)" 的逻辑。
• 相关工作：不要仅罗列历史，要重点阐述现有方法与你的工作之间的逻辑关系（是改进、对比还是互补）。

操作建议：尽早放入"Page One Figure"（首页图），直观展示核心方法或成果，吸引读者继续阅读。

---

注：本指南强调同行评审（Peer Review）的重要性，建议在写作过程中积极寻求导师或同行的反馈。