CS224U 寫 NLP 論文、投稿與上台報告

TL;DRCS224U 的「Presenting your research」一講分四段：期末論文的課程特有要求、NLP 論文怎麼寫、會議投稿流程、怎麼上台。最實用的三件事：期末論文強制附 Known project limitations 與 Authorship statement；寫作要用 Shieber 的「理性重建」而不是按時間講你踩過的坑；投稿時標題幾乎決定了審稿人的 bidding。投影片、四支影片、projects.md 都公開；往年範例論文需要 Stanford 登入。

#cs224u #ai-course #stanford #nlp #paper-writing #research-project

系列: Stanford CS224U 導讀 (16 / 17)

CS224U 期末專案流程：文獻回顧與實驗計畫 Stanford CS224U 導讀 17：兩場延伸講座——用擴散模型生成文字，以及把大模型訓練的「民間知識」講清楚

🌏 English version

本文依據 CS224U 2023 春季版。 這是 Stanford CS224U 導讀系列的第 16 篇。上一篇處理期末專案的前兩段交件；這一篇處理最後一段——期末論文，以及論文寫完之後的事：投稿、審稿、上台。

材料是課程的 Presenting your research 投影片（PDF 52 頁、含動畫分頁，實際 38 張）、YouTube 播放清單第 45 到 48 支影片，以及 projects.md 的「Final paper」與「Beyond the final paper」兩節。投影片的四段——Your papers、Writing NLP papers、NLP conference submissions、Giving talks——正好對應四支影片。

2023 年的講次表把這一講放在最後的「Your projects」單元，期末論文截止是 6 月 10 日上午 11:30（太平洋時間）。

存取狀態（A3，歷史版）：投影片、影片、projects.md、講次表上的指定閱讀大多公開。拿不到的是投影片第 3 頁連結的往年範例論文（restricted/past-final-projects/，302 轉 Stanford 登入頁）。另外，講次表上 David Goss 那篇〈hints on mathematical style〉的連結，2026-09-29 查核時已是 404。

第一段：期末論文的課程特有要求

評分三軸（指標恰當、方法紮實、對自身極限誠實）在系列總覽已經寫過，投影片第 4 頁只是重申。這一段真正新的是三條規定。

格式。Projects 頁寫明：文獻回顧和實驗計畫的模板是鼓勵使用，期末論文則必須用指定的 Overleaf 或 Word 模板。projects.md 另外寫長度是 8 頁、ACL 投稿格式。

**Known project limitations。**想像讀者是一位善意的 NLP 實務工作者，要把你的資料、模型或發現用在另一個研究、部署系統或真實世界的介入上——這個人該知道什麼？投影片列了可以寫的方向：

好處與風險
對參與者、社會、地球的成本
如何負責任地使用你的資料、模型、發現

並給了三份參考：Datasheets for Datasets（Gebru et al. 2018）、Model Cards（Mitchell et al. 2019），以及一份 NeurIPS 影響聲明的調查（Nanayakkara et al. 2021）。前兩者都在講次表上列為本講閱讀：Datasheets 主張每個資料集都附上一份文件，記錄動機、組成、收集過程與建議用途，類比電子元件的規格表；Model Cards 主張釋出的模型附上簡短文件，報告在不同群體與條件下的評估結果、預期用途與評估程序。

**Authorship statement。**放在 Acknowledgments 之後，說明每位作者怎麼貢獻。格式自由，範本是 PNAS 的作者指引。即使只有一位作者也要寫，因為課程想知道專案有沒有校外合作者。只有在極端情況、而且跟團隊討論過之後，才會考慮依這份聲明給組員不同成績。

投影片還提到重複提交政策：比照會議的多重投稿規則，確保期末專案是一份實質的新工作。投影片明講，這代表你不能只交出另一個專案的漸進改良；其他課程政策不同，也不會讓他們改變自己的政策。

第二段：一篇 NLP 論文怎麼寫

結構

投影片給的典型大綱：標題與摘要，然後 1 Intro、2 Related work、3 Data/Task、4 Your model、5 Methods、6 Results、7 Analysis、8 Conclusion。長度是 4 頁或 8 頁的雙欄，不含參考文獻。

projects.md 則給了一版更細、帶篇幅建議的大綱，順序略有不同（Data、Your models、Experiments、Analysis）。兩份合起來看，重點如下：

段落	篇幅建議	要做到什麼
Abstract	理想是半欄	先給脈絡，再定義你的提案、摘要核心發現，最後點出更廣的意義。實驗計畫的 General reasoning 是好素材
Introduction	1–2 欄	講完整的故事：你在哪個領域、追的是什麼假設、假設依賴哪些概念、為什麼是這個假設、論文採取哪些步驟、核心發現如何回應假設
Related work	1.5–2 欄	把論文分組，每組說明主題的一致性，再把它跟你的工作連起來，替自己的貢獻劃出位置。可以大量取材自文獻回顧
Data	視情況	真實例子加量化摘要；新資料集要花大量篇幅說明收集方法
Your models	視情況	把模型描述與實驗選擇分開，後者屬於實驗設計
Experiments / Methods	視情況	指標、baseline、訓練方式；超參數等細節放附錄，除非是論證核心
Results	—	投影片的說法是「不加修飾地報告發生了什麼」
Analysis	視情況	結果代表什麼、不代表什麼；錯誤分析與質性趨勢
Conclusion	半欄	簡短總結做了什麼、為什麼，並指出未來方向

Introduction 那一列有一個具體技巧值得單獨拿出來：projects.md 說，如果你有一句話以「The central hypothesis of this paper is …」開頭，是好跡象。不一定要寫得這麼直白，但這麼寫能逼你別只講模糊的話，也能暴露自己思路不清的地方。

多資料集的論文，投影片建議每個資料集各自重複一輪 Methods / Results / Analysis。

寫作建議：四份閱讀各給一個原則

講次表上列了一串寫作與報告的閱讀，投影片從其中挑出幾句核心：

Stuart Shieber：理性重建。Shieber 的文章把寫法分成三種：

Continental style：盡量不交代動機就直接給解法，讀者得花極大力氣才知道你對不對，「但至少他們會覺得你是天才」。
Historical style：把錯誤的開始、失敗的嘗試、重新定義問題的歷程全寫出來。讀者跟得上推理，但「可能會覺得你有點糊塗」。
Rational reconstruction：不寫你真實經歷的歷史，而是一段理想化的歷史，完美地替每一步提供動機。目標不是讓讀者覺得你聰明，而是讓讀者覺得你的解法理所當然。

**Cormac McCarthy：一條主線。**投影片挑出 McCarthy 在 Nature 那篇的一段：決定論文的主題，以及兩三個你希望每位讀者記住的重點；不需要用來理解主題的東西就刪掉。投影片補充，這樣做不只論文更好，也更好寫——主題會替你決定很多該寫什麼、不寫什麼的細節問題。

**David Goss：「Have mercy on the reader.」**投影片只引了這一句。（原文連結現已失效，見上。）

**Patrick Blackburn：誠實。**好的報告從哪裡來？Blackburn 的答案是誠實——「好的報告永遠不應偏離簡單、誠實的溝通」。這一頁在寫作段和報告段各出現一次；projects.md 裡 Potts 也說，他不只在準備演講時想到這句話，寫作、做教材、開會時都會。

講次表另外列了 Jason Eisner 的 Advice for Research Students，那是一整頁連結集，從怎麼讀論文、怎麼找研究問題、「先寫論文」到怎麼準備演講都有；投影片沒有特別摘錄其中哪一篇。

投影片也把 GloVe 與 ELMo 兩篇論文的第一頁並排，當作「寫得很好的論文」的例子；projects.md 另外列了四篇 Potts 認為寫得特別好的 NLU 論文。

第三段：投稿到 NLP 會議

這一段是給「課程結束後想把專案投出去」的人。

投哪裡

projects.md 寫明，NLP 跟大多數 AI 領域一樣是以會議為主的領域，頂級會議論文相當於其他領域的期刊論文。Potts 的個人看法是：頂級會議是 ACL、NAACL、EMNLP，TACL 與它們同級或即將同級，三者之間過去或許有聲望差距，但已經消失，大家選哪個主要看時間點。COLING、CoNLL、EACL 也很好，可能被視為低一階。Workshop 論文聲望較低，但常是更有收穫的發表場合，因為聽眾都對題目有投入。

流程

flowchart TD
  A[確認 ACL 匿名期政策<br/>截止前一個月起到放榜不得公開] --> B[投稿<br/>選 area keywords、填 checklist]
  B --> C[審稿人瀏覽標題與摘要後 bidding]
  C --> D[程式委員依 bidding 分派]
  D --> E[審稿：意見與評分]
  E --> F[作者回覆]
  F --> G[area chair 促成討論]
  G --> H[決定；可能附 metareview]
  H --> I[camera-ready<br/>通常多給一頁]

投影片上的幾個重點：

**匿名期。**ACL 系會議的統一政策：投稿論文從截止日前一個月起，到放榜為止，不能上傳到 arXiv 或以任何方式公開。精確日期要查各會議網站。這是在「新想法快速自由流通」與「雙盲審查」之間取平衡。
**Checklist。**投影片說，現在投稿越來越常要填很長很複雜的檢查表，建議找有經驗的人幫忙。
**標題決定 bidding。**審稿人瀏覽一長串標題與摘要來 bid，標題大概是主要因素。所以下標題時要把這些忙碌的審稿人當成主要讀者。
**Desk reject。**在 NLP，違反格式規定是「未經審查就被拒」的最常見原因，要仔細看 style sheet 與徵稿要求。

投影片也列出 ACL 審稿表的結構（論文在講什麼與優缺點、接受理由、拒絕理由、給作者的問題、漏引文獻、錯字與寫作、整體推薦與審稿人信心、給委員會的保密意見）。知道審稿人要填什麼，就知道論文要替他準備什麼。

標題與摘要

關於標題，投影片給了四條：開玩笑有風險（引了一篇研究有趣標題與引用數關係的論文）、配合貢獻的範圍校準、想想你會吸引到哪些審稿人、盡量避免特殊字體與格式。

摘要則給三段式結構：開頭是寬廣的概觀，讓讀者瞥見核心問題；中段展開開頭提到的概念，連到具體實驗與結果；結尾把你的提案連回更廣的理論關懷，讓審稿人能回答「這份摘要是否提出實質而原創的主張」。投影片甚至給了一個填空模板：這句開場讓你定位，我們的方法要處理的核心問題是……，我們用的技術是……，我們的實驗是……，整體而言我們發現……（其意義在於……）。

作者回覆與審稿文化

作者回覆這一頁的建議很務實：很多人對它很犬儒，因為審稿人很少改分；但完全不回覆是不好的訊號；有 area chair 負責促成討論並寫 metareview 的會議，回覆可能影響很大。永遠保持禮貌，堅定直接，但要有策略地用在你最在意的點上。投影片給了對照：不要寫「你的不專心令人尷尬，第 6 節做了你說我們沒做的事」；要寫「謝謝。您要的資訊在第 6 節，我們會在修訂版讓它更顯眼。」

Potts 也在投影片上給了他對 NLP 審稿的個人評估：以會議為主對 NLP 是好的，符合也鼓勵快節奏；大約 2010 年以前審稿相對其他領域嚴謹得令人欽佩，領域擴張後品質下滑，至今仍在處理；審稿人偶爾非常刻薄，要讓自己脫敏，找有經驗的人一起看審稿意見會有幫助；最大的缺點是作者沒有機會向編輯申訴、與編輯互動——期刊有這個機制，TACL 則是照 ACL 會議模式運作、同時保留這種互動的期刊。

第四段：上台報告

結構

投影片說報告的結構模仿論文，但必須更簡單：

開頭：你在解決什麼問題？為什麼重要？別人試過什麼方法，為什麼沒完全解決？
中段：什麼資料？什麼方法？怎麼評估成功？
結尾：量化結果與圖表；哪些特徵、技術、資源貢獻最大？還有哪些東西做錯？舉例。整體發生了什麼、為什麼？

projects.md 補了一句關鍵差異：報告必須比論文少很多技術細節。可以先假設完全不放公式，只在關鍵、而且你確定有時間講清楚的地方才加。

Pullum 的六條黃金規則

投影片引了 Geoff Pullum 的 Five Golden Rules (well, actually six)：

永遠不要用道歉開場。
永遠不要低估聽眾的智力。
遵守時間。
不要把整個該死的領域都綜述一遍。
記住你是辯護人，不是被告。
預期會被問倒。

投影片設計：兩個學派

投影片把投影片設計分成兩派：

極簡派	比較派
投影片越精簡越好	在不犧牲清晰的前提下盡量充實
聽眾大部分時間聽你、看你	讓聽眾容易花時間研究投影片
每張停留不久、只用一種方式	每張停留很久，用來做多個比較、建立多種連結

Potts 的個人看法：極簡派適合說故事，時間緊、聽眾主要是來了解論文內容時最好用；比較派適合教學，是投影片最接近「一塊整理完善的黑板」的形式。找到適合你的風格——只要認真想過聽你的報告會是什麼感覺並據此調整，都會表現得好。

引導注意力的四種工具：用 overlay 逐步填滿一張投影片、系統性地用顏色做區分、用大小吸引注意、用方框和箭頭幫人讀懂圖表、模型圖與長段文字。

上台前的瑣事與問答時間

projects.md 與投影片都列了同一份清單：關掉會跳出的通知、關掉省電模式以免螢幕熄滅、關掉礙事的應用程式、清空桌面上不想被看到的檔案、準備 PDF 備份、以及永遠準備好在沒有投影片的情況下講完。練習是關鍵，找非 NLP 的朋友聽效果特別好，因為他們不會不自覺地替你補上空缺；錄下自己講一遍，雖然痛苦但值得。

問答時間（Potts 認為叫「討論時間」更貼切，因為很多人不是提問而是發表意見或批評）：

回答每個問題前先停一秒，即使你完全知道怎麼答。這能建立對的節奏，也表示你在認真聽。
大部分問題不會完全合理，提問者沒那麼了解你的工作，要體諒。
如果你能把每個問題轉成一個合理的問題，讓大家覺得提問者提出了重要議題，你就會很受歡迎。
被問倒時不要只說「我不知道」就停住，而是說「我不知道，但我們來想想……」，把討論推向新方向。

今晚可以做的一件事

拿一份你最近寫的東西（技術文件、部落格、報告），做兩個檢查：

找出它的「主題加兩三個重點」（McCarthy）。找不到，或段落裡有東西跟這條主線無關，就是要刪的部分。
看它是按時間講你踩過的坑（historical style），還是一條理想化、每一步都有動機的路（rational reconstruction）。前者的話，試著重排一次，讓讀者讀完覺得你的解法理所當然。

參考資料

CS224U 課程官網（Spring 2023 講次表） — Your projects 單元、期末論文截止時間、本講全部指定閱讀
Presenting your research 投影片（Spring 2023） — 四段內容：論文要求、寫作、投稿、報告
projects.md（期末專案完整指引） — Final paper 的段落建議、Authorship statement、Beyond the final paper 的投稿與報告建議
CS224U Projects 頁 — 期末論文強制模板、Known project limitations 與 Authorship statement 原文
CS224U Policies：Multiple submission — 重複提交政策
XCS224U Spring 2023 YouTube 播放清單 — 影片 45 Your Papers、46 Writing NLP Papers、47 NLP Conference Submission、48 Giving Talks
Stuart Shieber on reporting research results — 三種寫作風格與理性重建
Cormac McCarthy's tips on how to write a great science paper（Nature） — 主題加兩三個重點
Patrick Blackburn: How to give a good talk — 誠實是好報告的來源
Geoff Pullum's Five Golden Rules (well, actually six) — 學術報告的六條規則
Jason Eisner: Advice for Research Students — 講次表指定的研究生建議集
Gebru et al. 2018, Datasheets for Datasets — Known project limitations 的參考之一
Mitchell et al. 2019, Model Cards for Model Reporting — Known project limitations 的參考之一