作者 | 蔣寶尚
編輯 | 陳彩嫻
11月11日凌晨，ICLR 2021初審結果在官網公布，目前正式進入Rebuttal階段。據Criteo AI Lab機器學習研究科學家Sergey Ivanov統計分析得到結論：如果論文接收率為20％，那麼論文平均分數要達到6分以上才能被接收。
另外一個結論是：所有論文的平均分數為5.16（中位數為5.25）。這意味著，低於平均分的論文作者，要好好準備rebuttal的材料了。
還有一類作者已經得到了明確的答覆。在reddit上一位網友說，他的論文有一個得分為3，原因是：用了商業軟體，增加了強化學習進入的門檻。
1
因提高AI門檻被拒？
據OpenReview官網介紹，該論文標號為2137，主要的貢獻是一個數據集，可以用於深度數據驅動的強化學習。
具體而言，它為離線的強化學習設計了一個基準，設計根據是現實數據集的關鍵屬性。另外，作者還發布了基準任務和數據集，對現有演算法和評估協議進行了全面評估，並提供了一個開源代碼庫。
目前，這篇文章有4個評審一名領域主席進行打分，得到了兩個6分，一個3分，一個2分。其中，2分和3分代表著「強烈的拒絕」。
正如前面所述，有評審給出3分的理由是：使用了MuJoCo，這是一款商業軟體包。評審說：「六個任務（Maze2D，AntMaze，Gym-mujoco）中的一半嚴重依賴於MuJoCo模擬器，該模擬器是一種商業軟體，即使在學術上也不免費。另外，個人MuJoCo許可的費用為每年500美元。因此，我擔心大多數究人員無法訪問MuJoCo。」
另外，評審表示：「鑒於MuJoCo潛在的高影響力，本文確實將極大地促進MuJoCo的使用，使RL更具有特權（意思是，使用有門檻），如果可訪問性（易得性）問題得到解決，例如使用PyBullet作為引擎，我很樂意提高我的分數。
對於這一評審意見，一位名為Rasool Fakoor的讀者持反對意見：1、同意評審關於「許可」的說法，但這不是拒絕該論文的理由，評審忽略了該論文的真正貢獻。2、評審要求用PyBullet構建一個基準，但這可能需要花費幾個月的時間。3、這種拒絕理由，只會打擊研究人員投資建建立這類基準的信心，顯然給領域帶來負面影響。
經過討論，原來給6分的評委也轉變了態度。他說：我在撰寫評語的時候，沒有意識到此基準測試需要商業軟體（Mujoco），我完全同意「這對於標準化基準測試是非常不利」的觀點。
除此之外，給出2分的評審沒有聚焦於「商業軟體」的話題，他的理由是：雖然作者提供的數據集對離線強化學習研究人員來說非常有用，但在新的想法方面卻沒有任何進展。總體而言，這項工作的主要貢獻是：在某個地方收集線下數據，減少了其他研究人員這樣做所需的時間，因此，除了對數據進行標註外，作者似乎並沒有做任何重要的工作。所以，我不認為這項工作應該在「高端會議」上發表。
最後，領域主席也發表了看法：許可證（易得性）問題是可以理解的，但不要拿這點大作文章，最重要的是考慮這篇文章最新的貢獻在哪。正如第一位評審(給出2分的)所給的評價那樣，我們會考慮所有因素，從而做出決定。
換句話說，根據2分評委的建議，這篇文章大概是涼了。
而在reddit上，大多數網友都是都是持同情的態度：把科學領域的可重複性等同於任何人的可重複性是一種愚蠢！
2
「吐槽大會」
本次ICLR 2021一共有3013篇論文提交，其中有856篇論文是來自NeurIPS 2020 Rejection 之後重新提交的。
回憶去年ICLR 2020的審稿，可謂是吐槽與爭議不斷。
比如，一篇ICLR 2020的論文在拿到滿分評價後，其他的兩位審稿人又連續給了2個1分評價，還有的論文三位審稿人均給出了6-6-6的高分，但區域主席卻做出了不適用自己論文的評語。
另外在去年的時候，南京大學周志華教授曾曝出：ICLR 2020竟然有47%的審稿人從來沒有在本領域發表過論文。
後來周教授又指出：開放評審進當參與者都是相當level的專家才有效，否則更容易被誤導。學術判斷不能「講平等」，一般從業者與高水平專家的見識和判斷力不可同日而語，頂會能「頂」正是因為有高水平專家把關，但現在已不可能了......
