报告时间：2025年2月26日 (星期三) 晚上20:00 (北京时间)
主题：AI方向投稿Nature/Science系期刊的经验及相关工作分享
主持人：余肇飞 (北京大学)
直播地址：https://live.bilibili.com/22300737
报告嘉宾：谢伟迪 (上海交通大学)
报告题目：关于AI相关论文投稿Nature/Science系期刊的一些经验和相关项目介绍
报告嘉宾：吴郁杰 (香港理工大学)
报告题目：生物可塑性启发的高效类脑学习方法
Panel嘉宾：
谢伟迪 (上海交通大学)、吴郁杰 (香港理工大学)、顾实 (电子科技大学)、谢凌曦 (华为技术有限公司)、邓磊 (清华大学)
Panel议题：
- 什么样的工作适合投Nature和Science？
- Nature对AI研究的跨学科要求是什么？
- Nature/Science的论文和AI期刊以及会议的区别是什么？如何侧重？
- 在准备向Nature提交之前，如何评估自己的工作？
- 是否需要和Editor先沟通再投稿？
- Nature系列期刊的选取和定位是什么？比如Nature Machine Intelligence, Nature Computational Science，Nature Communications, Communication Engineering有何区别？
关于AI相关论文投稿Nature/Science期刊的一些经验和相关项目介绍
报告嘉宾：谢伟迪 (上海交通大学)
报告题目：关于AI相关论文投稿Nature/Science系期刊的一些经验和相关项目介绍
为什么这些工作能被接收？
- 更偏向于去挖掘一个领域的坑，而不是延续其他人的工作
- 工作量要足够多，要有应用的价值
- 多跟投稿的这个期刊的模型对比（30%起），而不是一味的追求CVPR/NIPS顶会的模型
生物可塑性启发的高效类脑学习方法
报告嘉宾：吴郁杰 (香港理工大学)
报告题目：生物可塑性启发的高效类脑学习方法
经验分享及开放讨论
什么样的工作会更推荐投NS系列期刊？
创新型、强技术、影响力
研究结果与预期相符，没有很大的创新性，可能送审的几率会更低
方法只适用于一小部分的读者，可能送审的几率会更低
总是在刷榜，对这个领域没有什么推动作用的话，可能送审的几率会更低
好的研究问题比建模技巧和刷榜结果重要得多
和IEEE杂志相比，NS系列期刊有哪些写作上需要注意的细节？
避免过度的夸张宣传，避免使用new/novel/first等词汇，还有extremely/outstanding
少用长难句，更短更精炼更好，多使用主动语态
别人未必对你的领域清楚，所以要用简洁的语言说明研究做的比较好的地方
比摘要更简要、更精炼地总结文章，不要直接copy摘要
可以附上觉得合适的审稿人和理由、联系方式（控制好审稿人性别的比例），编辑会着重考虑
好的图给人的第一印象很重要
图不要太密，适当留白
投稿过程中，哪些细节可能影响接收率？
reviewer的意见不太对劲或者自己有新数据可以解释质疑，可以尝试重投
可能每个reviewer之间理解不同，有些理解不太对和误解的地方，可以有理有据地回复
- 做出好研究、提出好问题
- 自己心态要好，坎坷很正常，乐对学术与生活
- 不要把所有精力做一个工作，有个大工作有个小工作，沿着学术规划一步步实现
- 多看、多想、多总结，从reviewer的角度思考关注的问题
Panel
Panel Discussions
- 什么样的工作适合投Nature和Science？
- 比较开创性的，新的方向、提出了新的问题
- 近期热门的话题，有可以投的特刊or相关主题
- 他们觉得AI是一种渐进式发展的工具，可能少有符合他们口味的东西，更喜欢能改变大家认知、改变大家看法的东西，喜欢偏交叉的、能改变大家观点的
- 三个要素：基础上的方法上的创新（理论的突破）、技术上的突破、比较有印象的（影响力大），以及最关键的是解决的问题有没有到那个level
- 纯AI很难，因为没有AI这个领域，它会让你选更契合哪个主题，你也将面对那个领域的编辑，想要他要认可你的难度比AI期刊编辑更大
- 虽然可能某些技术真的很好，但NS会更考虑对全人类的影响（更高层面的意义
- AI圈的逻辑：一点一点发展，大家开源一起研究，普通人也能一起做，进步与改变产生影响；NS圈的逻辑：类似于艰苦卓绝的科学考察发现了某些 现象产生重大影响，这是普通人做不到的。两个圈子就有本质上的差别，发不了不强求
- Nature对AI研究的跨学科要求是什么？
- 比如新的方法把两个学科联合起来，对另一个领域是否产生重大的变化
- 例如AI for science，要考虑好science的问题是什么，这个science本身的价值是什么，单纯methodology的创新是不够的
- Nature/Science的论文和AI期刊以及会议的区别是什么？如何侧重？
- 在准备向Nature提交之前，如何评估自己的工作？
- NS期刊是要先放result，再放method。结果好才有人看方法
- AI例如CV在已有问题上缝缝补补提点或者让方法更elegant，NS更像是用AI来颠覆原有传统方法的认知，改变一些看法
- AI会议更看重创新的单点突破（哪怕并不是那么完整），以及性能提升；NS更看重你的问题够不够大（问题规模level大、影响力大）
- NS工作体量大，更看重完整性；CS性能压倒一切，就report一些指标也无伤大雅
- NS更看重整体实验的完整性，包括实验指标对比、实验的变量、有无考虑的因素干扰项等、工作整体设计的逻辑性、结果的呈现是否层次递进、intro对问题重要性的陈述是否到位，更严谨性的要求
- conference有时候讲好一个点就够了，journal看重故事的完整性
- NS更阳春白雪，CS更下里巴人。CS属于是平民式的科研，有几张卡就可以跑实验，同时各种会议也能接收各种论文百花齐放，整个领域开源共同推进；NS更贵族一些，掌握在少量的有大量数据和考察能力的团队。方法论的不同
- 是否需要和Editor先沟通再投稿？
- 类似预投稿的环节，例如有些不确定的、不知道感不感兴趣的，发一下摘要、intro和基本的结果，ok让你可以投稿的话基本就等于送审了
- Nature系列期刊的选取和定位是什么？比如Nature Machine Intelligence、Nature Computational Science、Nature Communications、Communication Engineering有何区别？
- 跟子刊的定位越契合可能性越大（感觉跟没说一样
v1.5.2