- 综合排序
- 最热优先
- 最新优先
- 来自专栏深度学习自然语言处理
【学术会议】如何rebuttal学术论文?
当同行评议（Peer review）作为学术成果正式发布的必经之路已运行200余年[1]时，用正确的姿势进行review rebuttal便成为提高论文录用机率甚至扭转乾坤的最后一搏。 三部分来聊聊学术论文（主要针对人工智能领域会议和期刊）rebuttal的那些事。 || What is peer review？ “Peer review”趣图（原图来自网络） Peer review是一种学术成果审查程序，即作者的学术著作或proposal被同一领域的其他专家学者评审，并根据评审意见决定是否予以录用（Accept 对于计算机学科特别是人工智能领域的学术会议和期刊，其均有相对成熟和流程化的同行评议（即审稿）机制。 以CVPR 2019为例，针对5160篇有效投稿，全球共召集了132位AC和2887位审稿人[4]，一共提交了超过15000条审稿意见，做到了平均一篇文章至少3条，其中一篇文章甚至有7条审稿意见之多。
2.8K20发布于 2020-02-18 - 来自专栏天意云&天意科研云&天意生信云
DeepSeek+Grok3精准检索的学术指南
本文分享3个经过实测的高效提示词，显著提升引用准确率，并介绍Grok3 DeepSearch在外文文献检索中的独特优势，帮助研究者构建更可靠的AI学术写作工作流。 这不仅解决了AI容易引用过时或低影响力文献的问题，也让你的写作更具学术说服力。 此外，Grok3的数据库覆盖面更广，包含许多区域性学术期刊，这些期刊在其他检索工具中往往被忽略。 Grok3还具备跨引用追踪功能，能快速构建研究脉络图，帮助研究者理解不同语言文献间的相互影响。 在处理小语种学术资料时，这一功能尤为珍贵。 最佳实践建议 ✅️双模型协同策略 DeepSeek与Grok3结合使用效果最佳：前者擅长中文学术写作与内容生成，后者在多语言文献检索与引用验证上更胜一筹。 针对综合性学术任务，建议先用DeepSeek构建框架，再用Grok3验证关键外文引用，形成互补优势，显著提升研究效率与内容可信度。
4K10编辑于 2025-03-06 - 来自专栏全栈程序员必看
谷歌学术搜索文献_谷歌学术论文翻译
sheet.write(TotalNum, 1, paper.title) sheet.write(TotalNum, 2, paper.article_link) sheet.write(TotalNum, 3, soup.find_all(class_="gs_ri") for article in articles: paper =Article() try: title = article.find('h3'
1.2K20编辑于 2022-11-10 - 来自专栏天意云&天意科研云&天意生信云
AI学术打假指南！3分钟就阻止了 ChatGPT 瞎编文献
为了帮大家避免踩坑，确保学术的严谨性，本文总结了一系列实用技巧，教你如何合理利用 ChatGPT ，高效获取真实可靠的学术文献。 建议改成“能被Google scholar 检索”“3年内发布”这类精准指令。 推荐指令： 请以xx领域专家身份，推荐xx篇近x年发表于xxx核心期刊且与xx主题高度相关的文献。 ✅ 引用量与学术评价 参考文献被引频次和领域评价，衡量论文影响力。 ✅ 文摘及关键词比对 判断论文内容是否真实且符合自身研究方向。 3、 直接访问期刊官网 若你关注某一细分领域，建议定期访问该领域权威期刊官网（如 Nature、Science、IEEE、Cell 系列等）： 第一时间获取最新研究成果，避免依赖第三方平台的时间延迟； ChatGPT 作为辅助检索工具，确实能够带来便捷和灵感，但它并非专门的学术搜索引擎。学术研究讲究严谨和真实，理性使用AI技术，结合权威数据库和科学检验流程，才是高效找到高质量文献的“王道”。
4.9K10编辑于 2025-05-08 - 来自专栏深度学习自然语言处理
【学术分享】40个科研学术网站，收藏必备，予取予求！
://www.sci-hub.cn/、http://www.sci-hub.xyz/ 所以，提供以下几个新的变种网址： 1.http://sci-hub.se 2.http://sci-hub.is 3. 网址为： 1.http://gen.lib.rus.ec/ 2.http://libgen.io/ 3.http://libgen.org/ 4.http://libgen.io/scimag/ Library 需先行注册，注册很简单，只需按照要求填写，注册完成后能够试用3个月时间，如需继续使用得注册其他账号。然后点击上图中本地Pubmed检索系统进入查询页面。 2013年3月，海盗湾声称已经获得了朝鲜政府的虚拟庇护。 「台大学术期刊数据库」收录台大各学术研究单位出版之中外学术期刊论文篇目与全文，审查过程严谨、内容丰富详实、撰写格式一致，具相当程度之学术水平，为查询中国台湾一流学府之学术研究发展、辅助教学研究之最佳数据库
12.7K10发布于 2019-12-26 - 来自专栏小汪Waud
享受学术社交
很多跨学科的研究需要不同领域专家的合作，学术社交能帮助你找到合适的合作伙伴。 3 提高个人影响力 对于已有成果的学生和青年学者来说，通过展示自己的研究成果，可以提高在学术界的知名度。 3 积极建立联系 有感兴趣的同行（老师、学生）以后，争取留下联系方式，会议后，通过邮件等方式继续与结识的科学家保持联系，加深关系。 3 墙报促使更多交流 原本是没有做墙报（Poster）的打算，奈何Ken说不做墙报就要自己付会议费。虽然我做的东西目前还比较零散，但照猫画虎，最后也能做出一个还说得过去的墙报。 5块一根的大油条 如果非要说还有什么不足之处，首先长春距离武汉是有些远的，飞机友好（3h），高铁太不友好了（12h）。 3 在别人的报告中看到自己的工作让人兴奋 参加研究生报告时，发现李达师兄放了我们前段时间Annu. Rev. Phytopathol.（Annu. Rev.
48010编辑于 2024-08-26 - 来自专栏arXiv每日学术速递
机器学习学术速递
为了解决这个问题，我们提出了一个新的多阶段计算框架——针，它包含三个基本要素：（1）弱标记完成；（2）噪声感知损失函数；（3）强标记数据的最终微调。 特别是，我们在3个生物医学NER数据集上获得了新的SOTA F1分数：BC5CDR化学93.74，BC5CDR疾病90.69，NCBI疾病92.28。 我们的实验证明，与最先进的算法相比，估计精度有了实质性的提高（高达3倍）。 在本文中，我们提出了一种新的作文反事实对比学习方法（C^3$），来发展基于视频的对话中事实和反事实样本之间的对比训练。 我们将这些优化统称为Circa，并展示了与基线实现相比，最多4.7倍存储和3倍运行时的改进；我们进一步表明，Circa可以用于最近的PI优化之上，以获得1.8倍的额外加速比。
2.1K20发布于 2021-07-02 - 来自专栏凹凸玩数据
再见了，学术硕士！
这句话的意思是，国家已经决定了，学术型硕士今后不发展了，只发展专业学位硕士。 很多读者可能不知道，学术硕士与专业硕士有何区别，我简单解释一下。 ? 大学毕业后，如果你还想继续读硕士，有两个方向可以选。 一个是学术方向，继续钻研理论知识，这叫学术型硕士，传统的硕士都是这一类。 所以，专业硕士会减少学术训练（比如写论文、查文献），而加强业务实践（比如案例分析）。因此，如果你想搞学术，留在学术界，那就读学术硕士；如果你不想搞学术，想去企业和政府，那就读专业硕士。 由于我国专业硕士起步晚，发展得不如学术硕士正规，很多大学的专业硕士培养非常马虎，而且往往是走读。所以，大家有一种印象，学术硕士才是正规硕士。 正是因为看到这一点，国家才最终决定，不发展学术硕士了，高层次的学术人才就是本科毕业直攻博士。
65720发布于 2021-07-12 - 来自专栏AiCharm
每日学术速递4.3
近年来，LLMs的研究得到了学术界和产业界的大力推进，其中一个引人注目的进展是ChatGPT的推出，引起了社会的广泛关注。 Subjects: cs.CV 2.D-aware Image Generation using 2D Diffusion Models 标题：使用 2D 扩散模型生成 3D 感知图像 作者：Jianfeng arxiv.org/abs/2303.17905 项目代码：https://jeffreyxiang.github.io/ivid/ 摘要： 在本文中，我们介绍了一种利用 2D 扩散模型的新型 3D 我们将 3D 感知图像生成任务制定为多视图 2D 图像集生成，并进一步制定为顺序无条件-条件多视图图像生成过程。这使我们能够利用 2D 扩散模型来提高该方法的生成建模能力。 3.GlyphDraw: Learning to Draw Chinese Characters in Image Synthesis Models Coherently 标题：GlyphDraw：学习连贯地在图像合成模型中绘制汉字
50910编辑于 2023-05-15 - 来自专栏AiCharm
每日学术速递4.6
Subjects: cs.CV 1.PODIA-3D: Domain Adaptation of 3D Generative Model Across Large Domain Gap Using Pose-Preserved Text-to-Image Diffusion 标题：PODIA-3D：使用姿势保持文本到图像扩散的 3D 生成模型跨大域间隙的域自适应 作者：Gwanghyun Kim, Ji Ha Jang 3D 形状较差、文本-图像对应度低和域内多样性低。 为了解决这些问题，我们提出了一种名为 PODIA-3D 的新型管道，它使用基于姿势保留的文本到图像扩散的域适应 3D 生成模型。 因此，我们的方法成功地适应了显着域差距的 3D 生成器。
43310编辑于 2023-05-15 - 来自专栏AiCharm
每日学术速递10.18
, Tao Xie, Xingyi He, Hujun Bao, Xiaowei Zhou 文章链接：https://arxiv.org/abs/2310.08585 项目代码：https://zju3dv.github.io 我们通过原始的多视图视频和一个学习根据图像特征预测 3D 点颜色的网络来表示场景外观，而不是完全用网络来记忆详细的外观，从而自然地使网络的学习变得更容易。 3）通过我们提出的解耦训练方式和概率校准，进一步提高了对新类别的泛化能力。 在 13 个不同场景的公共检测数据集上，UniDetector 也仅用 3\% 的训练数据量就实现了最先进的性能。 3.Idea2Img: Iterative Self-Refinement with GPT-4V(ision) for Automatic Image Design and Generation 标题
35510编辑于 2023-10-24 - 来自专栏AiCharm
每日学术速递7.28
3.FaceCLIPNeRF: Text-driven 3D Face Manipulation using Deformable Neural Radiance Fields(ICCV 2023) 标题：FaceCLIPNeRF：使用可变形神经辐射场进行文本驱动的 3D 面部操作 作者：Sungwon Hwang, Junha Hyung, Daejin Kim, Min-Jung Kim, Jaegul Choo 文章链接：https://arxiv.org/abs/2307.11418 摘要： 随着神经辐射场 (NeRF) 的最新进展实现了高保真 3D 人脸重建和新颖的视图合成，其操作也成为 3D 视觉中的一项重要任务。
36910编辑于 2023-09-06 - 来自专栏AiCharm
每日学术速递7.30
项目页面：此 https URL 2.NeRF-Det: Learning Geometry-Aware Volumetric Representation for Multi-View 3D Object 与现有的难以对场景几何进行建模的室内 3D 检测方法不同，我们的方法以端到端的方式新颖地使用 NeRF 来显式估计 3D 几何，从而提高 3D 检测性能。 此外，我们通过共享 MLP 巧妙地将检测和 NeRF 分支连接起来，从而使 NeRF 能够有效地适应检测并生成用于 3D 检测的几何感知体积表示。 推荐阅读 每日学术速递7.29 2023-07-29 这次来真的？ 室温常压超导全球复现一文速览 2023-07-28 每日学术速递7.28 2023-07-28 每日学术速递7.27 2023-07-27 树莓派上运行 Stable Diffusion，260MB
35220编辑于 2023-09-06 - 来自专栏AiCharm
每日学术速递9.2
3.Exploring Model Transferability through the Lens of Potential Energy(ICCV 2023) 标题：通过势能的视角探索模型的可转移性
29320编辑于 2023-09-06 - 来自专栏AiCharm
每日学术速递7.23
arxiv.org/abs/2307.07511 项目代码：https://nileshkulkarni.github.io/nifty/ 摘要： 我们解决了生成人类与场景中的物体交互的真实 3D Subjects: cs.RO 3.Towards A Unified Agent with Foundation Models 标题：迈向具有基础模型的统一代理 作者：Norman Di Palo,
35720编辑于 2023-09-06 - 来自专栏AiCharm
每日学术速递5.24
3.Seeing is Believing: Brain-Inspired Modular Training for Mechanistic Interpretability 标题：眼见为实：受大脑启发的机械可解释性模块化训练
37510编辑于 2023-06-07 - 来自专栏AiCharm
每日学术速递5.1
3.mPLUG-Owl: Modularization Empowers Large Language Models with Multimodality 标题：mPLUG-Owl：模块化赋予大型语言模型多模态能力
44220编辑于 2023-05-16 - 来自专栏AiCharm
每日学术速递3.4
计算机视觉 | ML - 机器学习 | RL - 强化学习 | NLP 自然语言处理 点击下方卡片，关注「AiCharm」公众号 Subjects: cs.CV 1.Representing 3D 在这项研究中，我们展示了轻量级神经网络如何学习表示 3D 点和线特征，并通过利用多个学习映射的力量来展示领先的姿势准确性。 通过在多个图层中集成自注意力和交叉注意力，我们的方法在使用两个简单的 MLP 回归 3D 地图之前有效地细化每个特征。 虽然最近的 3D 高斯溅射在小规模和以对象为中心的场景中效果很好，但由于视频内存有限、优化时间长和明显的外观变化，将其扩展到大型场景会带来挑战。 为了应对这些挑战，我们提出了 VastGaussian，这是第一个基于 3D 高斯分布在大型场景上进行高质量重建和实时渲染的方法。
35210编辑于 2024-03-04 - 来自专栏arXiv每日学术速递
机器学习学术速递
我们研究了生成性对抗网络（GAN）的使用，如Pix2Pix[1]和CycleGAN[2]，它们代表了各个领域中图像到图像转换任务的最新技术，以及U-Net自动编码器[3]。 该框架中使用了几个CNN模型，包括VGG16、VGG19、InceptionResnetv2、InceptionV3、Resnet50和Densenet201。 abs/2112.08967 作者：Der-Hau Lee,Jinn-Liang Liu 备注：10 pages, 7 figures 摘要：采用深度学习神经网络（DNN）的端到端驾驶已成为工业界和学术界快速发展的自主驾驶范例 arxiv.org/abs/2112.08616 作者：Daniel Spokoyny,Ivan Lee,Zhao Jin,Taylor Berg-Kirkpatrick 备注：Preprint 摘要：物理测量在学术论文 3） 最后，我们提出了一种笔画规则化策略，该策略允许所需笔画总数减少约60-80%，而生成画布的质量没有任何明显差异。
2.8K20编辑于 2021-12-17 - 来自专栏arXiv每日学术速递
机器学习学术速递
of Wa-terloo 备注：5 pages, 3 figures, 3 tables 链接：https://arxiv.org/abs/2106.13202 摘要：由于气候变化导致的海洋变暖正导致外寄生桡足类 A total of 3,204 ED visits were analyzed. 以SE（3）位姿和广义速度描述了地面、空中和水下机器人的动力学行为，并满足能量守恒原理。本文在常微分方程（ODE）网络结构的SE（3）流形上提出了一种近似刚体动力学的哈密顿公式。 我们开发了能量成形和阻尼注入控制的学习，潜在欠驱动SE（3）哈密顿动力学，使稳定和轨迹跟踪与各种平台，包括摆，刚体和四转子系统的统一方法。 3） 最后，我们证明，在某些“简单”mdp中，下界比一般情况下小得多，并且它根本不以最小作用间隙为尺度。
2.3K20发布于 2021-07-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号