雖然ACL大會投稿時間已經結束，但是還有其他各種會議的deadline在等着呀。在投稿的截止日期之前寫出一篇完美的論文是衆多研究者的心願，Deadline之前的一個禮拜時間雖短，但是仍能夠將一篇文章從最初充滿錯誤的草稿變爲一篇漂亮的論文。同時投稿也有很多技巧和注意事項，還有誰比審稿人自己更瞭解自己的喜好呢？下面來我們就和雷鋒網AI科技評論一起看一看ACL組委會的審稿人對投稿的建議，以及寫論文的小技巧。雷鋒網編譯，未經許可不得轉載。
Claire Cardie（Cornell University）
我對提交論文前一週的建議是：在這個時間點，一定要提前寫好論文，用這一週的時間儘可能多的得到資深審稿人的意見，針對意見對論文進行修改。事實上，沒有人能夠提前很久就將論文寫的完美無缺。從實際角度來看，我認爲在論文提交的deadline之前有兩點工作是最重要的。
（1）論文的Introduction部分一定要說服讀者，讓讀者覺得你做了一個非常重要的工作，解決了一個重要問題，並且得到了很好的很吸引人的結果，同時也要解釋清楚這項工作做出了哪些新穎的貢獻；需要讓讀者能夠清晰的知道這篇文章所講述的「故事」。文章的其餘部分則要按照簡介所說的，進行詳細的解釋，但是如果簡介寫得不好，你的文章就已經失去了很多讀者的閱讀興趣了。所以一定要保證文章的簡介是無懈可擊的。
（2）自己查找或者找人幫忙查找工作中或目前文章中的最可能使得讀者「Kill」掉這篇文章的點。儘可能去修改這些問題。在deadline之前儘可能重複的進行發現問題-修改問題這個過程。文章中總有一些東西需要去改進。
Chris Dyer（Google DeepMind/Carnegie Mellon University）
當你想要完成論文的時候，你的最重要的考慮應該是這篇文章是否足夠清晰和容易理解。每年都有衆多的論文擁有吸引人的重要結果，但是因爲它們很難理解，而導致被拒絕或者沒有得到應有的影響力。審稿人錯過了新穎點，而普通讀者在挫敗中放棄了閱讀。儘管文章語言流利用詞優雅很難能可貴，但這些都只是細節，不影響整體，這對於non-native的研究者來說是個好消息。而文章的清晰性是最重要的，這取決於你的文章的內在連貫性，以及論據的展開是否有邏輯。在這方面很有幫助的一個方法是，從不同的粒度來閱讀和編輯論文，也可以稱之爲「從粗到細的閱讀」。首先，只閱讀摘要和介紹。你能從中瞭解到該文章的論點是什麼，以及關鍵結果是什麼嗎？接下來，再一次閱讀摘要和每個部分的第一句話。你在這些地方都使用了同樣的論點嗎？最後，閱讀每個自然段的第一句話。從中你應該很清晰地瞭解到你所要講的「故事」的框架。如果在你「粗略」地閱讀了這篇文章之後，你仍然能夠理解它的論點，那麼你就得到了一篇組織良好的文章，你的審稿人也會理解這篇文章的。如果不能的話，再優美的語言也不能夠解決文章的問題。
Hal Daume III (University of Maryland)
我首先給出的建議就是：儘量留出充足的時間來寫論文，這樣就不會把所有工作拖到最後一分鐘才做完。導師和學生之間應該有時間多次修改論文，也應該有時間從那些不熟悉你的方法的人那獲得建議。如果你的導師相當熟悉你的工作，在研究過程中一直在聽取你的彙報，那讓一個從來沒有聽說過你工作的一個人來提供建議將非常有幫助（不過最好是相同研究領域的人）。確保留下了足夠的時間，這樣當你獲得反饋意見的時候，你可以認真對待。我能想到的其他建議還有：自我反思，我是否積極地完成這項工作？我是否準確的引用了其他人的相似研究？（注意：準確是十分重要的。作爲一個審稿人，如果作者沒有認真地閱讀他所引用的其他文章，會給我帶來很負面的影響。）我是否在前幾段明確了我做的貢獻？如果你使用的是非母語的語言進行寫作，一定要找一位native speaker閱讀語法和選詞。使用拼寫檢查器確保沒有拼寫錯誤。在內容方面，進行錯誤分析或者對結果討論的章節是十分有用的。這樣會使得論文變的更有吸引力，而不是僅僅列出了冷冰冰的數字。
Ray Mooney (University of Texas, Austin)
我給予學生的唯一一個建議是，看一看項目委員會，根據你的主題確定誰可能會審你的稿，確保你的文章引用了他所寫過的相關論文，這樣就能夠避免由於你沒有引用審稿人的相關論文而導致的負面影響。儘管這個建議有點諷刺，但是還是很有用的。
Philip Resnik（University of Maryland）
確保你沒有落入「知識詛咒（curse of knowledge）」的陷阱中，也就是不能假設你的讀者已經擁有了你的知識背景和隱含假設。這意味着，你首先應該讓讀者清楚的知道爲什麼他們應該關心這項工作。僅僅提高某些任務X%的性能是不夠的；要清楚這個任務有什麼意義是最重要的。這意味着你應該將你的論文集中在邏輯性上，而不是技術細節：論文的敘述應該按照邏輯組織，而不是時間順序；關於模型和算法的重點應該放在文本正文中，同時應該用最平實的語言進行解釋，而不需要詳細的解析方程或者算法圖；衍生或這實現細節應該寫在文檔中，如果對於會議讀者非常有必要的話，將它們放在附錄中。
在實驗方面，要明確地分離訓練數據和測試數據，並解釋爲什麼選擇了這個參數。比如你爲LDA使用了50個主題，爲什麼不使用20或者100？如果這個問題的答案不是「我事先選擇的這個參數」，或者「我根據保留的數據調整出來的」，而是「我只是使用了測試結果中最好的那個參數」，那你就進行了一個無用的實驗。你可以通過列舉你所有嘗試的其他值來彌補，但是你需要準備好接下來審稿人的問題：爲什麼要相信你選擇的值會在下一個未知的數據集中取得最好的結果。如果其他的參數都導致失敗的實驗，那你應該參考以前的文獻，並使用其中的參數，稱之爲「先前工作中典型的參數」，並引用那篇文章。
最後，英文寫作的質量很重要。並不需要花哨或者詩意的文字，但需要條理清晰，語法正確，拼寫正確，邏輯清晰。否則你的審稿人難以理解你的觀點。如果你不是native speaker，那麼最好找一個native speaker閱讀並修改你的論文。
via ACL 2017，雷鋒網(公衆號：雷鋒網)編譯