NeurIPS讨论期审稿人口头认可后会改分吗？经验解析

引言：一个论文作者的焦虑时刻

对于每一位向NeurIPS这类顶级AI会议投稿的研究者来说，从提交到最终决定的漫长等待中，最煎熬的莫过于「Rebuttal（作者反驳）」与「Discussion（讨论）」阶段。NeurIPS（Neural Information Processing Systems，神经信息处理系统大会）是人工智能和机器学习领域最具影响力的顶级学术会议之一，与ICML、ICLR并称为AI三大顶会。每年NeurIPS的论文接收率通常在20%-25%之间，2023年收到超过12000篇投稿。由于其极高的学术声望，NeurIPS的论文录用往往直接影响研究者的职业发展、资金申请和学术声誉，这也解释了为何投稿者对每一个评审细节都格外敏感。

近日，一位研究者在Reddit的机器学习社区发帖，抛出了一个让无数投稿人感同身受的问题：

「一位审稿人表示在讨论阶段我的所有疑虑都已解决，但至今没有更新评分。其他审稿人则毫无回应。在过往的NeurIPS周期中，审稿人在口头认可问题已解决后，实际更新评分的情况有多常见？」

这位作者的评分与置信度分布为：4/4、3/2、3/2、2/4（前者为打分，后者为置信度），而他最关注的正是那位给出最低分「2分」的审稿人。这个看似琐碎的提问，实际上揭示了顶会同行评审机制中一个普遍存在却又鲜少被公开讨论的灰色地带。

reddit源帖：关于NeurIPS讨论阶段的提问

NeurIPS评审流程中的关键阶段解读

Rebuttal与Discussion阶段的作用

要理解这位作者的困境，首先需要了解NeurIPS的评审时间线。通常流程为：审稿人提交初始评审 → 作者进行rebuttal回应 → 审稿人之间及与作者进入discussion阶段 → 审稿人（可选）更新评分 → 领域主席（AC）综合意见做出最终决定。

Rebuttal（作者反驳）机制最初被引入顶会评审流程的目的，是为了纠正评审中的事实性错误和误解，给予作者一次澄清和补充的机会。然而在实践中，rebuttal的有效性一直存在争议。研究表明，rebuttal导致评分实质性变化的比例相对有限——大多数审稿人倾向于维持自己的初始判断。这可能与心理学中的「锚定效应」（anchoring bias）有关：一旦形成初始印象，人们往往需要极强的证据才会修正判断。除了锚定效应之外，同行评审还受到多种认知偏见的影响。确认偏误（confirmation bias）使审稿人倾向于寻找支持自己初始判断的证据；光环效应（halo effect）可能导致来自知名机构的论文获得更宽松的评价；而现状偏见（status quo bias）则使审稿人倾向于维持既有评分而非做出改变。此外，在讨论阶段，如果一位资深审稿人率先表达强烈意见，其他审稿人可能会不自觉地向该意见靠拢，这被称为「从众效应」或「级联效应」。因此，rebuttal更大的价值可能不在于直接改变审稿人评分，而在于为AC提供更完整的信息以做出最终决策。

讨论阶段的核心目的，是让审稿人根据作者的回应和彼此的观点交流，重新审视自己的判断。理论上，如果审稿人明确表示「疑虑已解决」，其评分理应随之上调。但现实往往并非如此理想。

「口头认可」与「实际改分」之间的鸿沟

这位作者遇到的情况极具代表性：审稿人在文字讨论中承认问题已解决，却迟迟不更新分数栏。这种「言行不一」在顶会评审中屡见不鲜，背后有多重原因：

审稿人惰性：更新评分需要额外操作，部分审稿人在完成讨论回复后便认为任务结束。
保守心态：即使具体技术疑虑被打消，审稿人可能对论文的整体贡献或新颖性仍持保留态度。
时间压力：一位审稿人往往同时负责多篇论文，讨论期临近截止时容易疏漏。

值得注意的是，NeurIPS近年来采用OpenReview平台管理评审流程，该平台允许审稿人、作者和AC在统一界面上进行交互。所有讨论记录、评分变更历史都被系统记录，这为AC提供了完整的决策依据。OpenReview的设计使得评分更新操作本身非常简单——审稿人只需修改一个数字字段即可。因此，未更新评分更可能是主观意愿问题而非技术障碍。近年来学术界也在推动评审透明化，部分会议（如ICLR）已实现审稿意见的完全公开，这在一定程度上对审稿人的行为一致性形成了社会压力。

评分分布背后的现实分析

当前局面的客观评估

从作者提供的评分来看，情况其实并不悲观。四位审稿人中，有一位给出4分（置信度4，较为坚定的正面评价），两位给出3分（置信度均为2，偏中立且不太确定），仅一位给出2分。

在NeurIPS采用的评分体系中，审稿人需要给出一个综合评分以及一个置信度评分。NeurIPS的评分体系经历过多次调整，在不同年份可能采用不同的分制。置信度反映审稿人对自己评判的确信程度——高置信度意味着审稿人认为自己对论文所在领域有深入了解，其评价应被赋予更大权重。在具体操作中，置信度通常为1-5分制，其中1表示审稿人对该领域了解有限、评价可能不准确，5表示审稿人是该领域专家、对自己的判断非常有把握。AC在汇总意见时，通常会对高置信度审稿人的评价赋予更大权重，因为这些审稿人被认为更有能力判断论文的技术正确性和创新性。

在本文案例中，评分为2意味着明确倾向于拒绝，而置信度4则表示审稿人对这一判断非常确定，这种组合对论文尤为不利。

你可能没注意到，那位打2分的审稿人置信度为4——这意味着他对自己的负面判断相当自信。然而，正是这位高置信度的审稿人在讨论中承认了「疑虑已解决」。如果他能将分数从2提升到接近borderline的水平，整篇论文的平均分和被接收的几率都将显著改善。

NeurIPS审稿人分数更新有多常见？

虽然NeurIPS官方并未公布审稿人改分的精确统计数据，但社区的普遍经验表明：

审稿人在讨论后上调分数确实会发生，但比例并不算高，尤其是从明确的拒稿分（如2分）跨越到接收分。
口头承认问题解决但不改分是相当常见的现象，作者不必因此过度乐观或悲观。
领域主席（AC）在最终决策时，会阅读讨论内容而非仅看数字。因此即便审稿人未改分，其在讨论中「疑虑已解决」的明确表态，同样会被AC纳入考量。

领域主席（AC）的决策权重

领域主席（Area Chair，简称AC）在NeurIPS评审体系中扮演着关键的协调和决策角色。每位AC负责管理一批论文的评审流程，包括分配审稿人、监督讨论进程、解决审稿人之间的分歧，并最终向高级领域主席（SAC）提出录用或拒绝的建议。AC不仅仅依赖分数的简单平均，而是需要深入阅读论文、理解审稿意见的实质内容，尤其在分数存在较大分歧时做出独立判断。优秀的AC能够识别出审稿人的偏见或误解，从而做出更公正的决定。这意味着，即便审稿人未更新评分，讨论记录中的正面表态仍然是有价值的信息输入。

在讨论期结束后，AC需要撰写一份元评审意见（meta-review），综合所有审稿人的评价、讨论内容以及自己对论文的独立判断。在分数分歧较大的情况下（如本文案例中2分到4分的跨度），AC可能会选择亲自阅读论文全文，或请求额外的紧急审稿人（emergency reviewer）提供意见。最终决定由AC提交给高级领域主席（Senior Area Chair, SAC），SAC负责在更大范围内校准录用标准，确保不同AC之间的决策一致性。在极端分歧的情况下，程序主席（Program Chair）也可能介入最终裁决。

给NeurIPS投稿作者的实用建议

保持专业而克制的跟进

面对沉默的审稿人，作者能做的其实有限，但仍有几点值得注意：

礼貌提醒：如果讨论期尚未结束，可以在回复中礼貌地感谢该审稿人确认问题已解决，并委婉表达希望其能重新评估评分。切忌施压或质问。
激活沉默审稿人：针对完全未参与讨论的审稿人，可以再次简明扼要地总结rebuttal要点，争取引起其关注。
信任AC的判断：领域主席拥有全局视角。一篇讨论记录显示疑虑被充分回应的论文，即便数字未变，也可能获得AC的青睐。

调整心态，接受评审中的不确定性

顶会评审本质上带有相当程度的主观性与噪声。2014年，NeurIPS组委会进行了一项著名的一致性实验：将约10%的投稿论文（166篇）同时分配给两组完全独立的评审委员会进行评审。实验结果令学术界震惊——两组评审的最终录用决定仅有约57%的一致率，这意味着接近一半的论文命运完全取决于「被分配给了哪组审稿人」这一随机因素。这一实验深刻揭示了同行评审中固有的噪声和主观性，也促使学术界持续反思和改进评审机制，例如引入更多审稿人、增加讨论轮次、以及使用校准工具等。后续研究进一步表明，即便是同一位审稿人在不同时间点评审同一篇论文，其评分也可能出现显著波动，这被称为审稿人内部一致性问题（intra-reviewer consistency）。

这意味着：单一审稿人是否改分，并不能完全决定论文的命运，作者无需将全部希望或焦虑寄托于某一个数字的变动。

结语：评审博弈中的理性期待

这位Reddit用户的提问，折射出学术共同体在同行评审机制下的集体经验与无奈。审稿人「说解决却不改分」既非罕见，也未必是坏消息——它更多反映了评审流程中人为因素的复杂性。

对于投稿者而言，最理性的策略是：在讨论期内做好专业、及时、有理有据的回应，然后信任AC能够读懂讨论记录背后的实质。分数只是决策的输入之一，而非全部。在AI研究竞争日益激烈的今天，理解并从容应对评审博弈的这些「潜规则」，本身也是每一位研究者成长的必修课。