Skip to content

Latest commit

 

History

13 Commits

Folders and files

NameName
Last commit message
Last commit date
 
 
 
 
 
 
 
 

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 Skill • 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


🤖 Rebuttal Skill

除了逐条阅读 Rebuttal Tips,本仓库还提供了一个可直接加载使用的 paper-rebuttal-router Skill。

它将仓库中的 rebuttal 经验整理为可复用的 Workflow,并根据用户当前的任务和 reviewer point 自动选择合适的处理路径。用户可以直接用它分析 reviewer comments、检查已有 rebuttal、起草回应,或处理缺实验、证据不足等常见 rebuttal 场景。

👉 查看 Skill 介绍、安装方法与使用示例


📖 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
7 Stanford Agentic Reviewer 可以获取 AI review 的建议帮助修改文章和准备 rebuttal
8 Rebuttal-Skill Rebuttal 全流程 SKILL 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

           

👥 贡献者列表

感谢以下成员对本项目的贡献

  


🤝 欢迎贡献

欢迎通过 Issue 或 PR 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

323 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors