UC伯克利教授马毅投稿ICML，4个评审一致接收却遭AC一票否决
鱼羊 丰色 发自 凹非寺
量子位 报道 | 公众号 QbitAI
4位评审一致接收，按理说这篇顶会论文就没跑了。
可就在这两天，UC伯克利的马毅教授却遇上了一件“奇事”：
课题组投稿ICML 2021的论文，在4个评审都给出了接收意见的情况下，被领域主席（AC）一票否决了。
而根据马毅教授微博透露的信息，AC的理由是：
这篇论文尚不能解释目前深度神经网络所有的tricks。
看到这样的理由，马毅教授的心情可能是这样的：
于是，他直接在微博中质疑道：
那已经发表的成千上万的关于深度网络理论的文章是怎么发出来的就很让人困惑了。
甚至表示“有的人可能并不希望把深度学习的原理搞清楚”。
究竟是怎样一项研究，引起了这样的争议？
现在，马毅课题组已经将这项研究整理成一版期刊论文，公开发布在了arXiv上，并释出了代码和数据。
究竟是什么样的研究
论文标题是《ReduNet：A White-box Deep Network from the Principle of Maxinizing Rate Reduction》。
本文系作者授权数英发表，内容为作者独立观点，不代表数英立场。
转载请在文章开头和结尾显眼处标注：作者、出处和链接。不按规范转载侵权必究。
转载请在文章开头和结尾显眼处标注：作者、出处和链接。不按规范转载侵权必究。
本文系作者授权数英发表，内容为作者独立观点，不代表数英立场。
未经授权严禁转载，授权事宜请联系作者本人，侵权必究。
未经授权严禁转载，授权事宜请联系作者本人，侵权必究。
本内容为作者独立观点，不代表数英立场。
本文禁止转载，侵权必究。
本文禁止转载，侵权必究。
本文系数英原创，未经允许不得转载。
授权事宜请至数英微信公众号(ID: digitaling) 后台授权，侵权必究。
授权事宜请至数英微信公众号(ID: digitaling) 后台授权，侵权必究。
评论
评论
推荐评论
暂无评论哦，快来评论一下吧！
全部评论（0条）