NeurIPS Paper Checklist中文翻译

---

🌈你好呀！我是 是Yu欸 🚀 感谢你的陪伴与支持~ 欢迎添加文末好友 🌌 在所有感兴趣的领域扩展知识，不定期掉落福利资讯(*^▽^*)

---

写在最前面

版权声明：本文为原创，遵循 CC 4.0 BY-SA 协议。转载请注明出处。

开始说明 %%%

该清单旨在鼓励负责任的机器学习研究的最佳实践，涵盖可复现性、透明性、研究伦理和社会影响等方面的问题。请不要删除该清单：{\bf 不包含此清单的论文将被直接拒稿。} 该清单应放在参考文献之后，可选的补充材料之后。本清单不计入论文页数限制。

请仔细阅读清单指南，以了解如何回答这些问题。对于清单中的每个问题：
\begin{itemize}
\item 你应回答 \answerYes{}（是）、\answerNo{}（否）或 \answerNA{}（不适用）。
\item \answerNA{} 意味着该问题对特定论文不适用，或相关信息不可用。
\item 请在答案之后提供简短的（1–2 句）理由说明（即使选择 NA）。
\end{itemize}

{\bf 清单回答是你论文提交的重要组成部分。} 评审人、领域主席、高级领域主席和伦理审查员都可以看到。你也将被要求在最终版本中包含最终修订后的清单，并随论文一起发布。

论文评审人将使用该清单作为评估的参考因素之一。虽然回答 “\answerYes{}” 一般优于 “\answerNo{}”，但在提供适当理由的情况下，回答 “\answerNo{}” 是完全可以接受的（例如，“未报告误差条因为计算代价过高”或“未找到所用数据集的许可信息”）。通常，回答 “\answerNo{}” 或 “\answerNA{}” 并不会导致论文被拒。尽管问题以二元方式提出，但我们理解真实答案往往更为复杂，请尽量使用你的判断并附加解释说明。所有支撑性证据可以出现在正文或附录中的补充材料中。如果你回答 \answerYes{}，请在说明中指出该问题相关材料所在的章节。

重要提示，请注意：
\begin{itemize}
\item {\bf 删除本说明块，但保留节标题“NeurIPS 论文清单”}；
\item {\bf 保留清单中的子节标题、问题/答案和以下指南}；
\item {\bf 不要更改问题内容，并仅使用提供的宏格式进行回答}。
\end{itemize}

结束说明 %%%

（之后的每条问题、答案和指导建议已翻译在前面的英文内容中，若你需要我继续将其余清单的每一项也翻译成中文，请告诉我，我可以逐条翻译每一项的问答及指南。）

好的，以下是 NeurIPS 论文清单其余各项的中文翻译（包括问题、回答格式和指南说明）：

---

1. 论文主张（Claims）

问题： 摘要和引言中提出的主要主张是否准确反映了论文的贡献和研究范围？
回答： \answerTODO{}
理由说明： \justificationTODO{}
指导说明：

• 若摘要和引言未包含论文所作的主张，则回答 NA。
• 摘要和/或引言应清楚地陈述主张，包括论文的贡献、重要假设和限制条件。
• 主张应与理论和实验结果一致，体现结果是否能在其他场景中泛化。
• 可将 aspirational 目标作为动机，但应明确这些目标并未在论文中达成。

---

2. 局限性（Limitations）

问题： 论文是否讨论了作者工作中的局限性？
回答： \answerTODO{}
理由说明： \justificationTODO{}
指导说明：

• NA 表示论文无局限性；No 表示论文存在局限性但未讨论。
• 鼓励作者单独设立“局限性”小节。
• 论文应指出强假设及其鲁棒性，例如独立性、无噪音设置、模型设定正确性、局部成立的渐近近似等。
• 应反思主张的适用范围，比如是否仅在少量数据集或实验运行中测试。
• 应讨论性能影响因素（如图像识别对分辨率敏感）。
• 应讨论算法的计算效率及其在大规模数据集下的可扩展性。
• 如适用，应讨论隐私和公平性方面的潜在局限。
• 透明地披露局限比隐瞒要好，评审不会因诚实揭示局限而打分更低。

---

3. 理论假设与证明（Theory assumptions and proofs）

问题： 对于每个理论结果，论文是否提供了完整的假设集合和完整（且正确）的证明？
回答： \answerTODO{}
理由说明： \justificationTODO{}
指导说明：

• NA 表示论文不包含理论结果。
• 所有定理、公式、证明应编号并交叉引用。
• 所有假设应在定理陈述中清晰说明或引用。
• 正式证明可放在主文中或附录/补充材料中；如放在附录，建议正文中有证明思路简述。
• 如果正文中有非正式证明，应配合附录中正式证明。
• 所依赖的定理和引理应有适当引用。

---

4. 实验结果可复现性（Experimental result reproducibility）

问题： 论文是否披露了复现主要实验结果所需的全部信息（无论是否提供代码或数据）？
回答： \answerTODO{}
理由说明： \justificationTODO{}
指导说明：

• NA 表示论文不包含实验。
• 若论文包含实验，回答 No 会被视为负面。无论是否提供代码，论文都应确保结果可复现。
• 若贡献是数据集/模型，作者应说明如何使其结果可验证。
• 可通过详细算法描述、模型构建步骤、提供访问方式或训练脚本等方式实现复现。
• 不要求必须开源，但应提供合理的复现路径。

---

5. 数据与代码的开放获取（Open access to data and code）

问题： 论文是否开放提供数据与代码，并附有足够的说明以忠实复现实验结果（如补充材料所述）？
回答： \answerTODO{}
理由说明： \justificationTODO{}
指导说明：

• NA 表示论文不包含需要代码的实验。
• 鼓励开源，但理解有时不可行；No 是可接受的。
• 应提供可运行的命令与环境说明。
• 应详细说明数据访问及处理流程（原始、预处理、中间、生成数据）。
• 应提供复现实验的脚本，若仅复现部分实验，应说明遗漏原因。
• 提交阶段应使用匿名版本（若适用）。
• 补充材料中尽可能提供详细信息，URL 链接是允许的。

---

6. 实验设置与细节（Experimental setting/details）

问题： 论文是否说明了所有训练和测试细节（如数据划分、超参数、选择方式、优化器等）？
回答： \answerTODO{}
理由说明： \justificationTODO{}
指导说明：

• NA 表示论文不包含实验。
• 主文应呈现必要的实验设置，以便理解和解释结果。
• 细节可通过代码、附录或补充材料提供。

---

7. 实验统计显著性（Experiment statistical significance）

问题： 论文是否正确报告了误差条或其他统计显著性信息？
回答： \answerTODO{}
理由说明： \justificationTODO{}
指导说明：

• NA 表示论文不包含实验。
• 若主要实验报告了误差条、置信区间或显著性检验，则应回答 Yes。
• 应说明误差条的来源（如数据划分、随机初始化等）。
• 应说明误差计算方式（如闭式解、库函数、bootstrap 等）和前提假设（如正态分布）。
• 应明确误差条是标准差还是标准误。
• 应避免对非对称分布使用不适当的对称误差条。
• 图表中如有误差条，应在正文中说明其计算方式并引用对应图表。

---

8. 计算资源说明（Experiments compute resources）

问题： 每项实验是否提供了复现所需计算资源的充分信息（如计算设备类型、内存、运行时间）？
回答： \answerTODO{}
理由说明： \justificationTODO{}
指导说明：

• NA 表示论文不包含实验。
• 应说明使用的设备（如 CPU/GPU、本地集群或云服务）及其内存、存储信息。
• 应估算每次实验及整个项目的计算量。
• 若完整研究过程使用了更多计算资源（如未发表的尝试），也应披露。

---

9. 伦理准则（Code of ethics）

问题： 论文所进行的研究是否在各方面都符合 NeurIPS 伦理准则？
回答： \answerTODO{}
理由说明： \justificationTODO{}
指导说明：

• 回答 NA 表示作者未查阅 NeurIPS 伦理准则。
• 如果回答 No，应解释特殊情况及偏离伦理准则的原因。
• 作者应确保匿名性（如受限于法律或地域法规时要特别注意）。

---

10. 更广泛的社会影响（Broader impacts）

问题： 论文是否讨论了该工作可能带来的正面和负面的社会影响？
回答： \answerTODO{}
理由说明： \justificationTODO{}
指导说明：

• NA 表示该工作没有社会影响。
• 回答 NA 或 No 时，应解释为何认为工作无社会影响或为何未在论文中讨论。
• 负面影响示例：恶意或非预期用途（如虚假信息、伪造内容、监控），公平性（如技术在某些群体上表现差异）、隐私、安全等问题。
• 即使是基础研究，如果存在潜在负面应用路径，也应指出。
• 作者应考虑在技术被正常使用、出错或被误用时可能产生的伤害。
• 若有负面影响，也可探讨缓解措施（如限流发布、提供防御机制、使用监管等手段）。

---

11. 安全措施（Safeguards）

问题： 如果论文发布了高风险被滥用的数据或模型（如预训练语言模型、图像生成器、爬取的数据集等），是否描述了所采取的安全保障措施？
回答： \answerTODO{}
理由说明： \justificationTODO{}
指导说明：

• NA 表示论文不涉及此类高风险内容。
• 如发布高风险模型，需采取控制措施，例如使用协议、访问限制或安全过滤机制。
• 如果数据集来自互联网爬取，应说明如何避免发布不安全内容。
• 尽管设计安全机制具有挑战性，鼓励作者做出诚意尝试。

---

12. 已有资产的许可（Licenses for existing assets）

问题： 论文中所用已有资源（如代码、数据、模型）是否适当标明原作者，并明确注明许可协议与使用条款？
回答： \answerTODO{}
理由说明： \justificationTODO{}
指导说明：

• NA 表示论文未使用已有资源。
• 应引用原始论文或代码库。
• 应注明资源版本并提供链接（如适用）。
• 应明确许可协议名称（例如：CC-BY 4.0）。
• 如使用网页爬取的数据，应说明其版权及服务条款。
• 若重新打包已有数据集，应提供原始与衍生资产的许可信息。
• 若无法在线获取相关许可信息，建议联系资源创建者。

---

13. 新资产（New assets）

问题： 论文中引入的新资源是否有良好文档，并随资源一起提供？
回答： \answerTODO{}
理由说明： \justificationTODO{}
指导说明：

• NA 表示论文未发布新资源。
• 应使用结构化模板描述数据集/代码/模型细节，包括训练方式、许可、限制等。
• 应说明是否及如何取得了数据中人物的同意。
• 提交时请记得匿名化资源（如适用），可使用匿名 URL 或匿名压缩包。

---

14. 众包与涉及人类参与的研究（Crowdsourcing and research with human subjects）

问题： 若涉及众包实验或人类参与研究，论文是否包含给参与者的全部指令文本、截图（如有）及补偿方式（如有）？
回答： \answerTODO{}
理由说明： \justificationTODO{}
指导说明：

• NA 表示论文未涉及众包或人类参与研究。
• 此类信息可放入补充材料，但若人类参与是主要贡献，应尽可能包含在正文中。
• 根据 NeurIPS 伦理准则，参与数据收集等工作的人员应获得所在国家的最低工资。

---

15. 机构审查委员会（IRB）批准或等效程序（Institutional review board (IRB) approvals）

问题： 论文是否描述了对参与者的潜在风险、风险披露情况，以及是否获得 IRB 或其他等效审批（视所属国家或机构要求而定）？
回答： \answerTODO{}
理由说明： \justificationTODO{}
指导说明：

• NA 表示论文不涉及人类实验或众包。
• 某些国家/机构对人类实验需 IRB 批准，若已获批准应明确声明。
• 理解各地流程不同，但作者应遵循 NeurIPS 伦理准则及所属机构规定。
• 初稿阶段请勿泄露会破坏匿名性的机构信息。

---

16. 大型语言模型（LLM）使用声明（Declaration of LLM usage）

问题： 若大型语言模型（LLM）的使用是研究中重要、原创性或非常规的方法组成部分，论文是否做出说明？
回答： \answerTODO{}
理由说明： \justificationTODO{}
指导说明：

• NA 表示研究核心方法中未涉及 LLM 或 LLM 使用不具有原创性或非常规性。
• 若仅用于写作、编辑、排版，无需声明。
• 详情请参阅 NeurIPS 的 LLM 使用政策。

---

hello，我是 是Yu欸 。如果你喜欢我的文章，欢迎三连给我鼓励和支持：👍点赞 📁 关注 💬评论，我会给大家带来更多有用有趣的文章。
原文链接 👉 ，⚡️更新更及时。

欢迎大家点开下面名片，添加好友交流。