CVPR/ICCV/ECCV常见论文:

我们在imagenet上提升了0.1%！

研究生梯度下降(graduate student descent)是最重要的技术！

我们很快将释放代码，也可能用很长时间。

我们是第一个把transformer用到这个任务的！

我们采用了更多的计算资源，发现很老的一个基线方法是最好的！

Neurips:

1.我提出了一个新的任务，尽管可能没什么实际意义。

2.经过精心挑选，我们的结果看上去不错！

3. 我们提出的方法在我们生成的非公开数据集上很有效！

ICML:

1.我们证明了五年以前大家都知道的东西！

2.我们有很复杂的连自己也看不太懂的公式。

ICLR：

虽然我们是一个比较新的会议，但是我们仍然在鄙视链顶层。

Open review不代表我们论文质量高，可能只是我们脸皮厚。

AAAI

1.我们的审稿人看不懂我们做了什么，反正通过了。

2.我们将已有方法运用到了新数据集，发现它超过了SOTA 1%！

3.我们发现把已有模块插入到当前的任务，可以涨点！

IJCAI

我们的中奖率只有不到15%，真的不是水会，CCF别踢我。

不是我们实验不够，六页真的啥都放不下。

没错，我们的论文如果能投三大会我就投三大会了，投IJCAI实在没办法，日子总还是要过的嘛。

发现有很多人看，所以再扩展到一些非CV类会议。

SIGGRAPH

只要录取率足够低，圈内都是自己人，把圈外人门关上，焊的死死的。

SIGGRAPH可不是像水会，我们CG就这一个顶会，质量杠杠的。别看了，说的就是你们，视觉三大会一个比一个水。

Incremental的方法都不能发表，至于你要问我什么是incremental，demo视频PS地不好，就是incremental，外人我不告诉他。

ICRA/IROS

1.我们引用了30篇非常相关的论文，没错都是我们的论文。

2.我们研究了人与机器人的交互，但是可能没有人能用得到。

3.我们将机器学习应用到了已经解决的问题当中，发现它可以达到相似的效果。

4. 我们也做了SLAM，但是比其他论文好2%。

5. 我们的sensor很创新，但是你们可能买不起。

6.我们又一次在模拟器中取得了完美的效果！

EMNLP：

1.我们在某个特定的任务上取得了提升，但是可能在你的数据上不work。

2. 你只需要这个简单的trick即可。

3. 我们的神经网络模拟了人脑思考的过程，可能对你的任务有一丢丢帮助。

4.预训练加bert真的很有效。

5.我们在大规模数据集上验证了结果，但是你想要复现，可能还需要一些运气。

下面是部分出处，点赞后存哈！