您现在的位置是:网站首页>篮球篮球

鱼丸电玩城正版

汪依珊 2025-05-13 篮球 7268 人已围观

闻乐 发自 凹非寺量子位 | 公众号 QbitAI

NeurIPS投稿数量破纪录了②!Deadline还有不到一个月⑥,如何让论文更容易中❶?

大佬的论文撰写指南它来了❶。

来自Google DeepMind的Neel Nanda在指导了20多篇论文之后⑱,发布了一则关于如何写好机器学习论文的指南⑯。

旨在帮助研究者将研究成果转化为高质量①、科学诚信的论文⑱,解决在表达上“晦涩难懂”的痛点⑨。

让我们一起来看看一篇优秀的论文该怎么写吧⑱。

Neel Nanda认为①,研究只有被人们阅读❷、理解⑦、参与③,甚至理想情况下相信时⑧,才会有意义

并且他提到理想论文的精髓在于叙事:讲述一个简短⑮、严谨①、基于证据的技术故事⑨,并包含读者关心的要点⑳。

What?——一到三个符合连贯主题的具体新颖主张❷。

How?——你需要严谨的实证证据来令人信服地支持你的主张⑪。

So what?——读者为什么要关心呢⑪?

写论文要将研究压缩为核心主张①,并用严格的实验证据支持⑩,同时要让读者明白研究的动机❶、问题及影响⑪。

论文写作关键要素⑰、构建叙事⑰、从研究中提炼出令人感兴趣①、重要且独特的结果作为核心主张❶,构成一个连贯主题⑮,形成有价值的结论⑨。

把握写作时机⑲、列出研究收获⑭,审视其能否为结果提供有力证据⑰,深入思考他人关注该研究的原因⑨,聚焦难点和亮点❷。在准备进入写作阶段前⑭,必须要认真检查关键实验❶。

突出新颖性▓、成果要能拓展知识边界⑭。通过明确阐述与前人工作的差异来展现新颖性④,可借助LLMs了解前人研究⑩。

提供严谨证据②、通过实验提供证据⑮,实验需要能区分假设⑨,具备可靠性⑦、低噪声和统计严谨性⑲。进行消融研究⑲,考虑未知因素⑧,避免误导性证据⑲,注重证据质量和多样性⑦,选好基线并提供详细实验细节②。

论文结构解析③、摘要:激发阅读兴趣⑱,简洁呈现核心主张▓、研究影响⑥,解释关键主张及依据②,给出研究的重要结论和意义❷。作者以《Refusal in Language Models Is Mediated by a Single Direction》这篇文章为例⑭,对其摘要进行了逐行解析❶。

引言:介绍研究背景⑳、技术背景⑥,阐述关键贡献⑯、核心证据和研究意义⑥,以列表形式呈现主要贡献①。

正文:涵盖背景⑳、方法和结果❷,解释相关术语和技术④,说明实验方法❷、应用过程和结果④,依实验情况合理组织内容⑰。

:阐述研究局限性❶,探讨研究的更广泛影响⑮、启示和未来方向②。

相关工作:说明与前人研究的差异⑩,解释自身工作的价值❷,可后置⑭,除非对论文动机有重要作用⑪。

附录:放置不适合在正文呈现的信息⑩,对正文起补充作用⑤,写作标准相对较低⑩。

写作流程建议⑳、先压缩研究内容⑭,明确核心主张⑨、动机和关键证据⑩,批判性评估⑱;再迭代扩展⑩,从要点叙事开始❶,逐步完成引言②、全文大纲④、初稿⑭,不断修改完善③。

常见问题及应对策略❷、针对过度关注发表②、内容复杂冗长②、忽视写作过程等问题②,作者建议先专注科研再优化投稿⑩,使用简洁语言④,重视写作过程⑧,合理安排时间②。

细心的网友还发现⑦,Neel Nanda的这份论文写作指南与《Nature》的带注释的指南在理解上趋于一致⑲。

关于Neel Nanda

Neel Nanda是谷歌DeepMind的一名资深研究科学家❸,领导着机械可解释性团队⑳。

他在剑桥大学读了纯数学本科④,并在量化金融领域实习过⑦,毕业后花了一年时间探索人工智能安全❸,在人类未来研究所③、DeepMind和人类兼容人工智能中心实习④。

之后⑦,他在Anthropic担任语言模型可解释性研究员①。目前在谷歌DeepMind负责机械可解释性团队⑨。

主要研究成果⑮、Neel Nanda在相关领域发表了多篇论文⑫,如 《Progress measures for grokking via mechanistic interpretability》⑩、《A toy model of universality: reverse engineering how networks learn group operations》等①。

他还开发了一些工具和资源⑧,包括用于语言模型机械可解释性的Transformer Lens库⑳、全面的机械可解释性解释器和术语表⑮,以及一个关于机械可解释性的 YouTube 频道⑲,上面有许多论文讲解和实时研究讲解⑩。

想知道更多关于论文写作的细节⑤,可以到原文查看~

文章链接:https://www.alignmentforum.org/posts/eJGptPbbFPZGLpjsp/highly-opinionated-advice-on-how-to-write-ml-papers作者博客:https://www.neelnanda.io/mechanistic-interpretability[1]https://x.com/NeelNanda5/status/90833651[2]https://x.com/SharonYixuanLi/status/11802993

— 完 —

很赞哦⑱!

随机图文