当前，机器学习社区正面临可复现危机和审稿危机，ML 会议竞争激烈、审稿复杂：一方面，研究人员往往过度推销他们的论文，反而阻碍了学术的进步，影响了领域的完整性；另一方面，随着在 ML 会议上发表和提交的论文越来越多，跟踪领域最新进展也变得更加困难。
近来，社区内逐渐兴起一种简单高效的交流方式：用博客文章讨论领域进展。
博客文章通过提供一个灵活的平台，促进了关于科学出版物的见解交流，让学术讨论更加人性化和透明，从而为科学界提供了巨大的价值。博客不像标准科学出版物那样被广泛认可，往往只有少数研究人员维护个人博客账号，但其中不乏成熟研究人员撰写的博客，质量颇高。
如果能够像论文一样被各类学术会议关注和接收，博客在领域内的认可度将大幅提升。现在，ICLR 2022 率先做出改变，为博客单独设置了一个 Track，旨在激励研究人员回顾过去的工作并总结成果，为 ML 社区提供一种总结科学知识的新方法。
为了建立更标准的接收机制，ICLR 2022 限制了本次接收博客的主题为提炼和讨论已发表论文的内容，并且要求所述工作不能与作者存在利益冲突。这意味着博客作者不能以自己或其所在机构的论文为主题。ICLR 组委会希望博客 Track 能够引起富有成效的讨论，避免出现故意帮助或伤害个人或机构的博客文章。
最终，ICLR 2022 共接收博客 21 篇：
部分接收列表，完整接收列表：https://iclr-blog-track.github.io/blog/
值得注意的是，被接收的 21 篇博客中有一篇是 ICLR 2022 官方特邀特斯拉人工智能和自动驾驶视觉总监 Andrej Karpathy 撰写的反向传播 33 年进展综述。其中，Andrej Karpathy 复现了 Yann LeCun 等人 1989 年的一篇论文《Backpropagation Applied to Handwritten Zip Code Recognition》，并探究了当年 LeCun 遇到的难点。有趣的是，Karpathy 还展望了下一个 33 年，即 2055 年的人将如何看待今天的深度学习研究。这种跨越时空的对话蕴含着机器学习社区多年来的努力和对未来的美好期望。
博客地址：https://iclr-blog-track.github.io/2022/03/26/lecun1989/
此外，还有多篇博客以 ICLR 2021 接收的论文为主题，这些博客很好地概述了机器学习某个子领域的进展，起到很好的学术归纳交流的作用。未来，博客文章在机器学习社区将拥有一席之地。
相关阅读：
