¿Cómo ve que el autor del artículo chino SARM retire el artículo de NIPS?

Los estudiantes de posgrado recién comenzaron a entrar en contacto con contenido relacionado con el aprendizaje profundo. Hasta ahora, personalmente siento que el agua adentro es demasiado profunda.

(1) Dado que muchas cosas en el aprendizaje profundo no están probadas de manera sistemática y rigurosa en la teoría, muchos artículos, sus principios de motivación y algoritmos parecen "explicaciones forzadas" inverosímiles. Más Puede ser que el principio. se repone en función de los resultados experimentales (esta situación ya se considera buena T_T). En este caso, incluso si todos tienen preguntas o no entienden el artículo, a menudo lo superan porque nadie entiende la teoría exacta.

(2) Dado que el rendimiento final del aprendizaje profundo está relacionado con el ajuste de datos y parámetros (relacionado con varios trucos que no conoce), esto brinda a muchas personas la posibilidad de llenar el agua. Incluso si no puedes reproducir los artículos de otras personas, a menudo tienes que explicarte: los datos no son suficientes, los parámetros no están ajustados correctamente... Por lo tanto, en la mayoría de los casos, la inyección de agua no se detectará.

(3) También hay muchos artículos cuyos experimentos se están volviendo cada vez más acuosos. La línea de base es un gran problema, "hay mucho espacio para la operación"; hay muchos más experimentos selectivos en el aprendizaje profundo, "mnist" y "cifar10" son dos conjuntos de datos que están a punto de ser destruidos. Hablan de sus propios métodos sobre estos dos, pero esto solo puede demostrar que son efectivos, pero no que los resultados sean buenos.