不被符號亂象困擾的機器學習論文 LaTeX
符號表、消融實驗表格、演算法、訓練執行產生的圖,以及從第一份 arXiv 草稿到最終定稿,都放在論文旁邊的 Git。
大多數機器學習論文在 LaTeX 裡,都是以同樣的方式失敗:數學在第三頁還好,到第十二頁就前後不一致。損失在某一節是 L,在另一節是 \mathcal{L},粗體向量只有在作者記得時才出現。審稿人即使沒有評論,也會注意到。
這是一份實用指南,寫給撰寫工作坊論文、研討會投稿,以及與訓練程式碼同根同源的學位論文章節的學生。
第一天就選定符號表
在寫相關研究之前,先寫二十行巨集:
\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}}把這個區塊貼到每位共同作者的分支。當模型發明了新符號,先把它加進符號表,再使用它。AI 遵循符號慣例這一課講的是同樣的概念,只是迴路中多了語言模型:模型必須遵守符號表,而不是自己發明字型。
研究編輯器裡的即時數學預覽,能幫助你在打字時就發現 \mathcal{L} 和 L 不是同一個物件。
撐得到最終定稿的表格
消融實驗表格會一直變大,直到掉出頁面之外。優先使用不帶垂直線的 booktabs、用於對齊小數的 siunitx,以及一份寫明指標與資料切分(ImageNet、CIFAR、領域內與分布外)的圖說。如果表格跨頁,請及早使用 longtable,而不是把字型縮到 7pt。
視覺化的建構工具有助於第一份草稿:表格產生器在瀏覽器中執行。最終的表格仍應在圖說中寫明指標,並定義 ± 是標準差還是標準誤。
當期刊或研討會允許時,把隨機種子與超參數範圍報告在附錄表格中。主要表格保持易於掃讀。
演算法與程式碼清單
偽代碼應放在 algorithm2e 或 algorithmicx 裡,而不是等寬字型的段落。真正的訓練程式碼片段應放在設定了語言的 listings 或 minted 裡,讓審稿人能快速瀏覽。主論文保持簡短;把完整設定放在附錄,或附上帶有提交雜湊值的儲存庫連結。
\begin{algorithm}\caption{Training step}\label{alg:step}...\end{algorithm}替你會引用的演算法編號。不要把五頁的 PyTorch 傾倒進 PDF。
來自 TensorBoard 與 matplotlib 的圖
能的話,匯出 PDF 或 SVG。300dpi 的點陣 PNG 適合介面截圖,不適合折線圖。在 \includegraphics 之前先裁掉空白。如果浮動體飄到下一節,請在花一個小時跟 [H] 搏鬥之前,先調整大小與位置:浮動體位置。
多面板的消融圖:用 subcaption 在 TeX 裡組合,或在外部組好後引入單一 PDF。讓「我們的方法」在各圖中保持一致的顏色,這樣瀏覽的人只需要學一次圖例。
雙欄研討會類別檔
NeurIPS、ICML、ICLR 與 CVPR 風格的類別檔會改變邊界與浮動體規則。及早用官方類別檔編譯。頁數限制是真的;不要壓縮字型。當徵稿啟事允許時,把證明與額外的消融實驗移到附錄或補充 PDF。
相關研究與引用
使用穩定的引用鍵值與乾淨的 Scholar 匯出。驗證 .bib:BibTeX 驗證工具。引用你所依賴的程式碼與資料集。作者年份式或數字式取決於期刊或研討會;使用範本的樣式,不要混用。
論文旁邊的 Git
每一次架構變更都應該是一個你能命名的提交。把論文與程式碼視為同一個專案,而不是兩種各自獨立的備份習慣。
Oleafly (在新分頁開啟) 把論文放在真正的 Git 儲存庫裡,旁邊是能感知專案的編輯器,具備即時數學預覽、跨檔案 ref、引用補全與 SyncTeX PDF。這符合 ML 程式碼本來的存放方式。在死線壓力下忘了語法時,可以搭配速查表。
為與 OpenReview 或 CMT 上傳版本相符的那一次提交加上標籤。答辯期間你會用到它。
答辯與最終定稿
答辯期間很短。為「答辯實驗」保留一個分支或資料夾,這樣才不會汙染已送出的 PDF 原始碼。最終定稿通常允許多一頁;用它來提高清晰度,而不是傾倒每一次失敗的執行。
更廣泛的影響與限制
即使期刊或研討會只要求一小段社會影響或限制的說明,也請用白話寫。LaTeX 救不了一段含糊的文字。如果主要頁數限制很緊,把你有把握的負面結果放進附錄,並在正文中說明你這麼做了,這樣審稿人才不會以為你把它們藏起來。
上傳之前
檢查符號表在各節之間是否一致、主要表格是否清楚寫明指標並定義了 ±,以及演算法與圖是否依序被引用。確認官方類別檔在頁數限制內編譯,沒有字型上的違規操作,.bib 乾淨且有引用程式碼與資料,並且已記錄上傳 PDF 對應的提交雜湊值。
ML 實驗本身的雜訊已經夠多了。讓符號和表格保持安靜。