写机器学习论文的 LaTeX:告别符号混乱
符号表、消融实验表格、算法、训练结果的图,以及与论文放在一起的 Git,覆盖从第一版 arXiv 草稿到终稿的全过程。
大多数机器学习论文在 LaTeX 里都栽在同一个地方:数学公式在第三页还好好的,到第十二页就前后不一致了。同一个损失函数在一节里是 L,在另一节里是 \mathcal{L},粗体向量只在作者想起来的时候才出现。审稿人即使没有评论,也会注意到。
这是一份实用指南,写给正在撰写 workshop 论文、会议投稿,以及与训练代码一脉相承的毕业论文章节的学生。
第一天就定好符号表
在写相关工作之前,先写二十行宏:
\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}}把这一段粘贴到每个合作者的分支里。当你的模型引入新符号时,先把它加进符号表,再使用它。AI 遵循符号规范一课讲的是同一个思路,只是把语言模型放进了流程:模型必须遵守符号表,而不是自己发明字体。
科研编辑器里的实时公式预览,能帮你在输入的同时发现 \mathcal{L} 和 L 不是同一个对象。
经得起终稿考验的表格
消融实验表格会越长越大,直到溢出页面。优先使用没有竖线的 booktabs,用 siunitx 对齐小数,表题要写明指标和数据划分(ImageNet、CIFAR、域内与 OOD)。如果表格要跨页,尽早改用 longtable,而不是把字号缩到 7pt。
第一稿可以用可视化的生成器:表格生成器在浏览器里运行。最终的表格仍然应该在表题里写明指标,并说明 ± 指的是标准差(std)还是标准误(se)。
在会议或期刊允许的情况下,把随机种子和超参数范围放在附录的表格里。正文的表格保持一目了然。
算法与代码清单
伪代码应当用 algorithm2e 或 algorithmicx 排版,而不是放在等宽字体的段落里。真实的训练代码片段应当用 listings 或 minted 并指定语言,方便审稿人快速浏览。正文保持简短;完整的配置放进附录,或者给出带 commit 哈希的仓库链接。
\begin{algorithm}\caption{Training step}\label{alg:step}...\end{algorithm}给你引用的算法编号。不要把五页 PyTorch 代码倒进 PDF。
来自 TensorBoard 和 matplotlib 的图
尽可能导出 PDF 或 SVG。300dpi 的位图 PNG 适合界面截图,不适合折线图。在 \includegraphics 之前先裁掉多余的空白。如果某个浮动体跑到了下一节,先调整大小和位置,再去和 [H] 纠缠一个小时:浮动体的位置。
多子图的消融实验:用 subcaption 在 TeX 里搭建,或者在外部拼好后作为一个 PDF 插入。各图中为“我们的方法”保持同一种颜色,让只是扫一眼的读者只需学一次图例。
双栏会议文档类
NeurIPS、ICML、ICLR 和 CVPR 风格的文档类会改变页边距和浮动体规则。尽早用官方文档类编译。页数限制是真的;不要硬压字体。征稿通知允许的话,把证明和额外的消融实验移到附录或补充材料 PDF 里。
相关工作与引用
使用稳定的引用键,并保证从 Scholar 导出的条目是干净的。校验 .bib:BibTeX 校验器。引用你所依赖的代码和数据集。采用作者-年份式还是数字式取决于会议或期刊;用模板自带的样式,不要混用。
让 Git 和论文放在一起
每一次架构改动都应当是一次你能命名的提交。把论文和代码当作同一个项目,而不是两套各自独立的备份习惯。
Oleafly (在新标签页中打开) 把论文放在真正的 Git 仓库里,旁边是一个理解整个项目的编辑器,带有实时公式预览、跨文件交叉引用、引用补全和支持 SyncTeX 的 PDF。这与 ML 代码本来的存放方式一致。在截止日期前忘记语法时,可以搭配速查表使用。
给与 OpenReview 或 CMT 上传版本对应的那次提交打上标签。在 rebuttal 期间你会用到它。
Rebuttal 与终稿
Rebuttal 的时间窗口很短。为“rebuttal 实验”单独留一个分支或文件夹,以免污染已提交的 PDF 源码。终稿通常允许多出一页;把它用来把话讲清楚,而不是用来倾倒每一次失败的运行。
更广泛的影响与局限性
即使会议或期刊只要求写一小段社会影响或局限性的说明,也要用平实的语言来写。LaTeX 救不了含糊其辞的段落。如果正文页数紧张,把你能站得住脚的负面结果放进附录,并在正文里说明你这样做了,这样审稿人就不会以为你把它们藏了起来。
上传之前
检查符号表在各节之间是否一致,正文的表格是否清晰易读、指标已写明、± 已说明,算法和图是否按顺序被引用。确认官方文档类在页数限制内编译通过,不靠胡乱改字体来凑页数,.bib 干净且已引用代码和数据,并且为上传的 PDF 记录了一个 commit 哈希。
机器学习实验本身已经够嘈杂了。让符号和表格保持安静。