LaTeX para artículos de aprendizaje automático sin el caos de notación

Hojas de notación, tablas de ablación, algoritmos, figuras de las ejecuciones de entrenamiento y Git junto al artículo, desde el primer borrador en arXiv hasta la versión final.

La mayoría de los artículos de aprendizaje automático fallan en LaTeX del mismo modo: las matemáticas están bien en la página tres y son incoherentes en la doce. La función de pérdida es L en una sección y \mathcal{L} en otra, y los vectores en negrita aparecen solo cuando el autor se acordó. Los revisores lo notan aunque no lo comenten.

Esta es una guía práctica para estudiantes que escriben artículos para workshops, envíos a congresos y capítulos de tesis que comparten ADN con el código de entrenamiento.

Elige una hoja de notación desde el primer día

Antes de escribir el trabajo relacionado, escribe veinte líneas de macros:

\newcommand{\vect}[1]{\boldsymbol{#1}}
\newcommand{\mat}[1]{\mathbf{#1}}
\DeclareMathOperator*{\argmax}{arg\,max}
\newcommand{\loss}{\mathcal{L}}
\newcommand{\expect}{\mathbb{E}}
\newcommand{\kl}{\mathrm{KL}}

Pega ese bloque en la rama de cada coautor. Cuando un modelo introduzca un símbolo nuevo, añádelo primero a la hoja y luego úsalo. La lección sobre cómo hacer que la IA siga la notación es la misma idea con un modelo de lenguaje en el circuito: el modelo debe obedecer la hoja, no inventar tipografías.

La vista previa de matemáticas en vivo de un editor de investigación te ayuda a detectar, mientras escribes, que \mathcal{L} y L no son el mismo objeto.

Tablas que sobreviven a la versión final

Las tablas de ablación crecen hasta caerse de la página. Prefiere booktabs sin reglas verticales, siunitx para alinear los decimales y un título que indique la métrica y la partición de datos (ImageNet, CIFAR, dentro del dominio frente a fuera de distribución, OOD). Si la tabla ocupa varias páginas, usa longtable pronto en lugar de reducir la tipografía a 7 pt.

Un constructor visual ayuda en el primer borrador: el generador de tablas se ejecuta en el navegador. La tabla final debe seguir nombrando la métrica en el título y definir ± como desviación estándar o error estándar.

Presenta las semillas y los rangos de hiperparámetros en tablas de apéndice cuando el congreso lo permita. Las tablas principales se quedan fáciles de recorrer.

Algoritmos y listados

El pseudocódigo va en algorithm2e o algorithmicx, no en un párrafo monoespaciado. Los fragmentos reales de entrenamiento van en listings o minted con el lenguaje indicado, para que los revisores puedan leerlos en diagonal. Mantén breve el artículo principal; pon las configuraciones completas en el apéndice o en un enlace a un repositorio con un hash de commit.

\begin{algorithm}
\caption{Training step}\label{alg:step}
...
\end{algorithm}

Numera los algoritmos que cites. No vuelques cinco páginas de PyTorch en el PDF.

Figuras de TensorBoard y matplotlib

Exporta PDF o SVG cuando puedas. Los PNG rasterizados a 300 dpi sirven para capturas de pantalla de interfaces, no para gráficas de líneas. Recorta los márgenes en blanco antes de \includegraphics. Si un flotante se escapa a la sección siguiente, arregla el tamaño y la colocación antes de pelearte una hora con [H]: colocación de flotantes.

Ablaciones con varios paneles: constrúyelas en TeX con subcaption, o compónlas fuera e incluye un único PDF. Usa el mismo color para «nuestro método» en todas las figuras, para que quien lee en diagonal aprenda la leyenda una sola vez.

Clases de congreso a dos columnas

Las clases al estilo de NeurIPS, ICML, ICLR y CVPR cambian los márgenes y las reglas de los flotantes. Compila pronto con la clase oficial. Los límites de páginas son reales; no aplastes las tipografías. Pasa las demostraciones y las ablaciones adicionales al apéndice o a un PDF suplementario cuando la convocatoria lo permita.

Usa claves de cita estables y exportaciones limpias de Scholar. Valida el .bib: validador de BibTeX. Cita el código y los conjuntos de datos de los que dependes. Autor-año o numérico depende del congreso; usa el estilo de la plantilla, no un híbrido.

Git junto al artículo

Cada cambio de arquitectura debería ser un commit al que puedas poner nombre. Trata el artículo y el código como un único proyecto, no como dos hábitos de copia de seguridad distintos.

Oleafly (se abre en una pestaña nueva) guarda el artículo en un repositorio Git de verdad, junto a un editor que entiende el proyecto, con vista previa de matemáticas en vivo, referencias entre archivos, autocompletado de citas y PDF con SyncTeX. Eso encaja con cómo vive ya el código de ML. Combínalo con la hoja de referencia rápida para cuando se te olvide la sintaxis con una fecha límite encima.

Etiqueta el commit que corresponde a la subida a OpenReview o CMT. Lo querrás durante la réplica.

Réplica y versión final

Los plazos de réplica a los revisores (rebuttal) son cortos. Mantén una rama o una carpeta para los «experimentos de la réplica» y así no contaminas el código fuente del PDF enviado. La versión final (camera-ready) suele permitir una página extra; úsala para aclarar, no para volcar todas las ejecuciones fallidas.

Impacto más amplio y limitaciones

Incluso cuando el congreso exige un párrafo breve de impacto social o de limitaciones, escríbelo en lenguaje claro. LaTeX no salvará un párrafo vago. Si el límite de páginas del texto principal es ajustado, pon en el apéndice los resultados negativos que puedas defender, y di en el texto principal que lo has hecho, para que los revisores no supongan que los ocultaste.

Antes de subirlo

Comprueba que la hoja de notación es coherente entre secciones, que las tablas principales son legibles con las métricas nombradas y ± definido, y que los algoritmos y las figuras se citan en orden. Confirma que la clase oficial compila dentro del límite de páginas sin trucos con las tipografías, que el .bib está limpio con el código y los datos citados y que se ha anotado un hash de commit para el PDF subido.

Los experimentos de ML ya tienen bastante ruido. Que la notación y las tablas no den más.

Todas las publicaciones