多篇頂會一作卻申博失敗？斯坦福博士生親述：AI領網域太卷

今天小編分享的科技經驗：多篇頂會一作卻申博失敗？斯坦福博士生親述：AI領網域太卷，歡迎閲讀。

機器之心報道

機器之心編輯部

「盡管我在頂級 ML 會議上發表了多篇一作論文，為開源項目做出了貢獻，也在業界產生了影響，但我仍在為進入博士課程而苦苦掙扎。我被頂尖大學拒之門外，感到迷茫和疲憊。」

「我開始懷疑自己，懷疑如果沒有合适的人脈或家庭背景，光有強大的研究背景是否還不夠。我正在考慮放棄攻讀博士學位以及從事有價值研究的夢想。」

在剛剛過去的周末，關于「AI 博士申請條件卷上天」的帖子成為了 Reddit 社區讨論的焦點。

這個帖子的作者在 EMNLP、NeurIPS、ACM、ACL 等頂級會議和研讨會上以第一作者發表了多篇研究論文，也被公司評為過最佳 NLP 研究員。

但這些昔日榮譽，都無法抵消如今申請博士無果的挫敗感。

評論區的網友以鼓勵為主，主要觀點如下：

Relax, take a deep breath, you are doing well!

你申請的斯坦福大學和卡耐基梅隆大學，這些都是最優秀、最有競争力的大學，沒有被錄取并不意味着有什麼根本性的錯誤。可以試試申請更廣泛的博士學位課程。

即使沒有頂級 ML 會議論文，也很有可能被錄取。也許你的推薦信 / 目的陳述有點弱？

但真實現狀不可忽視，Reddit 社區的另一篇帖子殘酷地指出：申請 AI 博士，就是越來越難了。

作者自稱「斯坦福計算機科學博士生」，以圈内人的身份發言：「很多人都不了解現在頂尖博士項目的招生競争有多激烈 ......」

首先需要重新讨論的是：「你甚至不需要頂級會議論文就能進入頂級博士項目」，這是不正确的。

作者表示，如果有私人關系，或者有非常熟悉目标院系的人寫的非常有力的信，那也沒錯。在大多數情況下，情況并非如此，因此你需要更多的論文來提升自己的形象。老實説，現在通常需要兩者兼備（人脈 / 有力的信件加上論文 / 成就）。

讓我們看看作者是怎麼説的：

事實上，我并不感到驚訝。頂尖項目看重的不僅僅是論文，來自著名 / 受人尊敬的教授的極具説服力的推薦信以及與你希望共事的導師的個人聯系更為重要。

順便提一下，我那一屆錄取的大多數博士生都有 7 篇以上的頂會論文（有些還獲得了最佳論文獎）、數百篇論文引用、大量研究論文、CMU 或 UW 等頂級學校的碩士學位或谷歌或 OpenAI 等頂級公司的實習經歷、著名研究者的推薦信、人際關系、研究獎項、為頂級公司或在大型活動 / 會議上發表演講等。這些頂尖博士項目正在從全世界範圍内挑選最優秀的學生。

評論中的人根本不知道 NLP 的競争有多激烈（我猜這是原作者的領網域，因為他提到了 EMNLP）。請記住，這也是在 ChatGPT 熱潮之前，所以現在的競争可能更加激烈 ......

我不想吓唬 / 打擊你，只是實話實説。每年的情況都在惡化（競争呈指數級上升），我通常會鼓勵那些剛剛進入 ML 研究（希望 / 目标是攻讀博士學位）、沒有現有經驗和出版品的人三思而後行，或者考慮其他選擇。

如果有人問「質量重于數量」的問題，我會説，數量可以幫助你通過早期錄取階段（因為申請者太多，所以他們必須使用「簡單 / 可量化的指标」來篩選，比如論文數量，除非你有關系或知名研究人員的推薦信），但後期主要是質量和研究契合度，因為個别教師會審查學生的資料（甚至會深入閲讀他們的一些論文），并進行一對一面試。因此，「量」是幫助你進入後期階段的一個因素，但「質」（不僅僅是你的論文，還包括推薦信和你的實際經驗 / 潛力）對最終錄取決定的影響更大。

此外，結果還取決于領網域。CS 作為一個整體是很有競争力的，但 ML/AI 則是另一個層次。而在 ML/AI 中，像 NLP 和視覺這樣的領網域更是競争激烈。子領網域不同，情況也不同。例如，NLP 和視覺等領網域的競争非常激烈，但機器學習理論的競争相對較小。

這還取決于你的目标學校、實驗室 / 教授、研究契合度、人脈等。不能一刀切。但我想説的是，盡管會有例外情況，但總體而言，現在的競争非常激烈。

我并不是要打擊大家的積極性，而是希望大家能夠坦誠、透明地表達自己的想法，這樣大家就會知道自己的期望是什麼，也就不會因為結果而一蹶不振，同時也能更理智地申請（例如，申請更多的學校 / 實驗室，包括排名較低的學校 / 實驗室，以及行業職位）。在這個競争如此激烈的時代，最好能有更多的選擇 ......

在我看來，頂級 ML 博士錄取的最重要因素是：

與教授的聯系和研究契合度

推薦信（最好來自頂級研究人員或目标導師熟悉的人）

出版品（質量）

出版品（數量）

總體研究經歷和成就

SOP（只要整體研究契合度、推薦信和個人簡介都很強，這一點就不那麼重要了，只要不是寫得太差就行）

GPA（只要不錯，并能達到通常寬松的分數線，就沒問題）

GRE / 其他考試成績（通常也以分數線為基礎，似乎現在的大多數博士項目不再要求 GRE / 其他考試成績）。