审稿人
这几年像是前些年互联网开发一样，人工智能赛道迎来了属于他的巅峰，NIPS 2024 投稿量突破两万，EMNLP 也超越 5000 篇。
这样带来的问题是根本没有那么多审稿人去审这些文章，因此会议别无他法，也只能广撒网了。你可以在各种社交媒体上看到各种离谱审稿人，比如像 ACL 用中文来 review 的这种离谱事件。那既然审稿人的审稿水平不行，很多中了稿的人自然也都水平参差不齐，那他们中了稿之后自然下一年就也由他们来当审稿人了，因此陷入了一个死循环一样的情况。
而且也有一方面是，审稿人根本没那么多时间，本来就要忙自己的事情，有些大牛还可能会被 assign 个十几篇那么夸张的让他去审，那花在每篇的时间自然不多说。这还算是比较负责的佬了，更有甚者，直接把稿丢给手下研究生本科生去审，那水分也自不用多说。
因此现在在 AI 上的会议，已经混乱到一个比较离谱的地步，能不能中，全看缘分，审稿人是谁可以让给分天差地别。
很多 paper 水分极高
在 arxiv 上面，什么都可以看到，当然这里说的还是中了稿的那些，格式都不对的就不说了，很多都只是通过特定领域的微调来水 number，找一个弱的 baseline 和奇葩的数据集。
今年估计还要迎来一波发 agent 的大爆发，估计又有不少东西能水了。其实看 NIPS 这样顶会的都会看到不少数据测的一般般，idea 也没有很惊艳，但是主打的就是一个会讲故事的 paper，实在有点感慨。
市面上的数据集很多都是为了发而发
首先，有些数据集的下载就已经困难重重了，和所声称的开源完全是两回事。但奈何中稿本身不会和这个紧相关，会讲讲故事就中了。
下载完了之后会发现数据极其低劣，就我个人在接触的一些多模态数据集，说是为了翻译而做的数据集，但是有的视频里面完全一句话都没有，更离谱的是，这些视频还有对应的原文和翻译句子。
机制
版面费 有些期刊会靠版面费来赚钱，但这在会议（至少在人工智能的会里面）是不通用的，超了就直接 desk reject 了
假双盲 举个例子，像是 acl demo 的话，虽然声称是双盲，但必须放成品 demo 的 link，那这个 link 本身放出来其实就已经很不双盲了。当然，以现在 acl 的机制，其实本来审稿人想找到投稿人是谁也不难，
主会以外的其他 Track
子会在 CCF 基本是不被承认的，所以感觉身边的同学都不太了解？但其实在海外却认可度还可以，像是一些实力不错的组，也可以看到很多发在 ACL Findings 的 paper，毕竟人也不在意什么 CCF，其实能在像是 demo 这样的 track 中稿，在主会能不能中也是运气问题，毕竟如前面所说，现在能不能中，全看缘分 hh。当然，Demo Track 对于实验 number 的要求还是要低一点的。