在机器学习论文数量迅速增加的当下，「标题党」趋势也正在抬头。然而，「标题党」虽好，也要当心同质化啊。
2017 年 6 月，Transformer 横空出世，迅速成为自然语言处理领域中的主流预训练模型，并在近期迎来了在计算机视觉等多个领域中的跨界应用热潮。但它引领的潮流不止于此。其原始论文《Attention is All You Need》发表后，各种标题中包含「X is All You Need」的论文层出不穷。但此类「X is All You Need」论文篇篇都有高含金量吗？X 真的重要到「All You Need」的程度吗？还是论文作者把这个句式当做「财富密码」？或许我们可以从其「通货膨胀」程度一窥究竟。佐治亚理工学院机器学习博士生 Aran Komatsuzaki 发推表示：「光今天的 arXiv feed 流就出现了大概五篇标题中包含『X is All You Need』的论文。现在这个句式可能已经过于普遍了。」
机器之心在 arXiv 平台上以「All You Need」作为关键词进行了搜索，仅 2 月份标题中包含「All You Need」的论文就多达 6 篇，部分截图如下：
图源：https://arxiv.org/search/?query=All+You+Need&searchtype=title&abstracts=show&order=-announced_date_first&size=50
无独有偶，今天 reddit 上也有一个讨论论文标题党的热帖：「A Good Title Is All You Need」。这个帖子的标题可以说很讽刺了。
发帖人表示：很怀念从论文标题就能看出文章主要结论的「旧时光」。然而现在一大堆标题为「X is All You Need」的论文只是展示了应用 X 之后的边际效应。除了「X is All You Need」类标题以外，发帖人还吐槽了另一种常见的论文标题模式，即描述方法而不透露结果，例如「Reinforcement Learning with Bayesian Kernel Latent Meanfield Priors 」。这种标题比「X is All You Need」类标题好一些，但它只描述了作者做的事情，并未陈述观察结果 / 实验结果。当学术论文开始「标题党」，它们是会小试牛刀，还是在这条路上越走越远呢？
当你在 2021 年的春天思考会不会出现「我尝试了一个新的目标函数，效果不敢相信！」、「OMG，这个新方法让你神魂颠倒」的论文标题时……（本编辑：翻译这类标题，我不相信自己会输！）有人在 2016 年就已经开始了：We used Neural Networks to Detect Clickbaits: You won't believe what happened Next!（我们用神经网络检测了标题党，难以相信竟然发生了这样的事！）（不过，这个标题或许是对它要研究的「标题党」的反讽。）对于这类标题，评论区大部分人认为属于「标题党」，并表示不希望学术论文的标题和油管视频一个风格。不可否认，这类标题会增加吸引到读者注意力以及被记住的概率。
看来，机器学习领域论文数量暴涨不只给论文评审带来了难题。
https://www.reddit.com/r/MachineLearning/comments/lqh9br/d_a_good_title_is_all_you_need/https://twitter.com/arankomatsuzaki/status/1364041692651745280往期精彩：
【原创首发】机器学习公式推导与代码实现30讲.pdf
【原创首发】深度学习语义分割理论与实战指南.pdf
谈中小企业算法岗面试
算法工程师研发技能表
真正想做算法的，不要害怕内卷
技术学习不能眼高手低
技术人要学会自我营销
做人不能过拟合
点个在看
