2021年IJCAI-SAIA那场会，到现在我都觉得是近几年最值得回味的一场。做AI研究的人应该都知道，IJCAI在圈内位置很特殊：老牌、覆盖面广、审稿严，不算每年最难中的会，但绝对是最稳的试金石之一。尤其对于国内年轻学者，博士阶段能在IJCAI挂一篇，简历好看，找教职、申基金都有底气。而SAIA作为这场大会面向青年学者的特别板块，把博士、博后、刚起步的青年教师和产业界的年轻研究员聚到了同一个场子里，聊的既是论文，也是方向感和职业路径。这篇文章我就把这场会拆开讲讲——它的分量在哪、怎么投稿、怎么参会收获最大、以及我踩过的那些坑，希望能给后面打算投IJCAI、或者准备去现场参会的朋友一些实在参考。
1. 会议拆解：IJCAI的分量、SAIA的作用与审稿逻辑
1.1 IJCAI的真实定位：为什么它值得投入
好多刚进组的研究生对IJCAI的认知比较模糊，以为是某个“普通的国际会议”。实际完全不是。IJCAI全称是国际人工智能联合会议，从1969年开始办，是AI领域历史最悠久的综合性顶会之一。说它“综合”，是因为它不像CVPR基本只看计算机视觉，也不像ACL锁定自然语言处理，而是把搜索、规划、知识表示、机器学习、多智能体、计算机视觉、NLP等各路方向都塞进同一本论文集。这一点对青年学者其实是红利：你的交叉方向、小众问题，投专业顶会可能被嫌不够“主流”，但IJCAI的审稿人背景足够杂，反而能遇到懂你价值的读者。
2021年这届是IJCAI的第30届，组委会把主会、workshop和SAIA这种类型的青年学者活动打包在一起。主会论文竞争依然激烈，全球投稿上千篇，录取率常年稳定在15%上下的区间。这意味着什么？意味着大多数投稿其实在学术上并没有硬伤，但就是会被刷。被刷的理由往往不是“你的工作不行”，而是“你的工作不够让人兴奋”。这一点特别关键，后面我会详细讲。
还有一个容易被忽略的点：IJCAI是隔年办一届，这种频率决定了它对研究者的节点意义。你投中了，等于每两年挂一个硬货；没投中，就多了一年再来一轮的背债感。跟那些年年都能赶场的会相比，IJCAI的紧迫感和荣誉感都更强。
1.2 SAIA是什么：青年精英聚在一起到底在做什么
SAIA这个板块，我的理解它更像是大会为青年学者专门设计的交流空间，而不是一个严格意义上的“会议分会场”。它的定位是：把那些论文可能还没那么多、但已经在独立做研究的年轻人聚起来，让大家有机会在正式汇报之外，讲讲自己正在做的事情，或者干脆就是闲聊式的Critique。
2021年那届SAIA的参与者构成特别有意思：有刚发了一篇顶会一作的二年级博士生，有已经在国内高校落地开课的青年教师，还有从大厂研究院过来的年轻工程师。大家年龄相仿、资历相近，但有学术界的生存逻辑，也有产业界的落地逻辑，坐在同一张桌子前聊问题，信息量其实远大于主会场的正式报告。我记得有个做强化学习的哥们，在SAIA的圆桌环节直接掏出自己还没写完的idea，问在座的人“这个设定有没有人试过”，结果真有人从三年前的一篇冷门论文里翻出一个几乎一样的尝试——这种碰撞，在主会场的Q&A环节是根本不会发生的。
所以如果让我给SAIA一个定位，它是青年学者在学术会议里的“缓冲区”。顶会主会场太多大牛、太多正襟危坐，年轻人容易拘谨，不敢说话。SAIA把天花板拉下来，让人敢问、敢反驳、敢说“我觉得你这个思路有问题”。这种坦诚，才是学术交流最有价值的部分。
1.3 投IJCAI前必须搞懂的录取逻辑
要投中IJCAI，你得先理解一个基本事实：它名义上是综合性顶会，实际录取上依然存在隐形的偏好。从历届论文分布看，机器学习方向占比逐年走高，但传统AI方向——比如搜索、约束满足、规划——只要做得好，命中率反而比扎堆的深度学习方向更高。原因很简单：审稿人看到一个新鲜、小众但完整的工作，给分往往高于一个在大众方向上做得中规中矩的工作。
还有一点关于审稿周期。IJCAI是单轮评审加一轮 rebuttal 回复，整体周期不算长，但决定因素基本在首轮打分。你Reebutal能拉回1-2分的余地，但别指望靠它逆天改命。所以第一版提交的质量至关重要，提交之前要把文章当作最终稿来打磨，而不是“先交上去等评审意见再说”。
2. 从投稿到录用：青年学者和顶会之间的三个关键距离
2.1 选题：被大多数人低估的“问题本身”
很多第一次投IJCAI的人，把精力全放在实验、对比、写作上，却不肯在选题上下功夫。我见过最典型的案例是：一个同学把CVPR上某个热门pipeline搬到医疗影像场景，补了一堆实验，投出去直接被拒。Reviewer给的意见出奇一致——“novelty insufficient”。不是说迁移应用不能发，而是IJCAI审稿人见得太多了，纯场景迁移很难打动他们。
我自己后来的经验是：选题要在“别人想做但没做透”的缝隙里找。比如多智能体系统里的某个通信瓶颈、知识图谱中的某个推理短板、强化学习中某个样本效率问题。不用太大、不用试图解决AI终极问题，只要这个问题在逻辑上是独立的、审稿人三分钟能被你说服“这确实没人解决过”，你就赢了一半。
具体做法上，我建议投稿前集中读最近两年的IJCAI论文，只看标题和摘要，列出三个清单：他们做了什么、他们没做什么、他们缺什么。第三个清单就是你选题的候选池。注意不要选那些“没人做”但也没人关心的冷门题，要找“有人关心但还没做出来”的题。
2.2 写作和实验：怎么样才算是“完整”
IJCAI很多投稿论文的毛病，不是实验不充分，而是实验跟主张脱节。你在introduction说方案高效、能解决规模问题，但实验部分只测了小数据集，甚至没有复杂度分析，审稿人一眼就看穿。顶会对“完整性”的要求是硬性的：主张什么，就要用什么去验证，缺一不可。
我觉得对青年学者来说，最容易犯的错误是把“消融实验”做得太敷衍。有的同学觉得，消融就是去掉模块A、去掉模块B、看掉点，写三行就完事了。但实际上，好的消融应该回答三个层次的问题：模块有没有用？在什么条件下有用？为什么有用？第三层很少有人回答，但你一旦回答了，审稿人心里那杆秤就会明显偏向你。
另一个放之四海的建议：把baseline工程做扎实。不要只用自己实现的简化版本，要去官方仓库、去复现顶会的开源代码，能挖多深就挖多深。很多毕业论文里的baseline效果稀烂，不是因为方法真不行，而是复现得太糙。你在投稿里如果能让baseline百分百火力全开，你的方法只要还压得住，说服力是几何级上升的。
2.3 rebuttal：回复审稿人不是写道歉信
IJCAI几乎每篇都会收到几条激烈负面意见，这并不稀奇。关键是有些同学一到rebuttal阶段就开始自我检讨，一边解释一边承认“确实没做这个”，然后说“未来工作会考虑”。这种回复在审稿人眼里约等于放弃挣扎。
我对rebuttal的建议是：分三类处理。第一类是理解错误，要用礼貌但清晰的语言指出审稿人可能忽略了哪段描述或哪个实验设置；第二类是合理质疑，直接给正面回复，最好补一个他们点名要的实验结果；第三类是纯粹的主观偏好问题，可以承认观点差异，在此基础上补充你对问题框架的解释，但不要过度道歉。记住：rebuttal的目标是稳定已倾向你的审稿人、拉扯中立审稿人，而不是扭转已经对你抱有成见的人。
3. 参会实战体验：报告怎么听、海报怎么讲、Slack怎么水
3.1 主会场报告：大牛的演讲里藏着“选题方法论”
2021年那届虽然是线上配合线下的模式，但主会场报告的质量我依然觉得很高。像一些资深学者讲的工作，单看论文其实并不算出奇，但听他们讲的时候你会发现，他们真正强的不是技术细节，而是“叙事能力”——怎么从一个朴素的问题出发，层层递进地把解法推到合理的位置。
这一点，青年学者特别值得学。因为顶会的oral报告时间往往只有15到20分钟，你的paper可能写了8页，但听众注意力最多维持前5分钟。如果前5分钟没有让人记住你的问题是什么，后面讲得多细都是白费。我后来做报告之前都会用一句话说服自己：“如果我只允许听众记住一件事，我希望是这件。”然后整篇slides都围绕这一件事展开，其他全部砍掉。这个方法就是从IJCAI那些优秀talks里总结出来的。
还有一个小技巧：现场听报告的时候，不要光埋头记笔记，要记录“什么时刻你走神了”。研究一下为什么走神——是逻辑跳了？是概念没解释？是例子太多？这个反思，对你自己的报告和论文写作帮助极大。这是我在那届会议上一个很深的触感。
3.2 海报环节：如何把5分钟变成一次有效连接
海报环节是青年学者最该争取的部分。IJCAI这种规模的会，poster session现场流量极大，一张海报可能反复被问几十轮。我见过很多同学站在海报前面，只等着别人来问；有人来了，就把整页PPT从头讲到尾。这是一个典型的误区：讲太细没人记住，讲太粗显得没干货。
我的经验是把海报讲解拧成三个版本：电梯版（30秒讲清楚问题+方法+结果）、标准版（2分钟，含关键设计和一张对比图）、深挖版（5分钟以上，任何细节都答得上）。面对不同来客，你切换不同粒度。大牛来了，直接上电梯版，然后把话语权交给他来提问，你会收获比单方面输出多得多的有价值反馈。同龄研究者来了，直接上标准版，讲完后可以更平等地反问他们“你们怎么看”，这才是SAIA式交流的精髓——不要只做输出，要做交换。
3.3 线上工具的使用：别小看Discord和Slack上的闲聊
2021年那届因为疫情关系，很多交流环节都在线上进行。我知道很多人一进线上会议就觉得“没有参与感”，于是全程挂机。但我反而觉得，线上的文字频道提供了线下没有的优势：你有充足的时间组织语言，可以更精确地提出一个有价值的问题，而不是像现场一样举了半天手然后仓促说一句半句话。
我的建议是，提前把会议日程里跟自己方向相关的报告筛选出来，每场session前，去对应频道里看到有人提问时，顺手记录别人问了什么、作者怎么回答。这些记录，比你自己闷头听十场报告都值钱。因为别人的问题往往是你的盲区，作者的回答则是已经消化过的总结。一场会下来，你等于收获了几十条关于近期前沿的审稿意见，性价比极高。
4. 青年学者参会的几个常见坑与补救方案
4.1 坑1：日程排得太满，收获反而为零
我第一次参加IJCAI的时候就犯过这个错，把全天所有时段都排满了session，从早上八点听到晚上六点，结果到第二天已经听不进去任何内容，只想回酒店躺着。这种参会方式完全是浪费机票钱。
后面调整策略：一天所有时间只选两个最高优先级的session，其余时间留白，用来消化、查资料、或者跟刚认识的人约个线上咖啡。留出来的时间不会浪费，因为你脑子需要空间才能把听到的信息变成自己的判断。尤其青年学者，参会的目的不仅是“听了多少报告”，而是“建立了多少连接、产生了多少想法”。信息密度过高反而杀死思考。
4.2 坑2：不好意思问问题，全程潜水
这个问题在年轻研究者里太普遍了。怕自己的问题显得“蠢”、怕口音不好、怕被大牛反驳。但我在SAIA的交流里想明白一件事——学术会议本来就是你问问题的地方，你觉得基础的问题，往往也是很多人心里想问但没开口的。
一个补救技巧：把要问的问题提前写在手机备忘录里，在Q&A环节直接念出来都可以，不用现场组织语言。哪怕问题很简单，也比不问要好。而且我逐渐意识到，真正觉得问题没水平的人几乎没有，大家更在意的是你有没有参与、有没有认真听。另一方面，如果你想让问题更有分量，可以把它包装成“我觉得这个设定有个边界条件，如果…会怎样”，用假设句提问，比单纯问定义高级得多。
4.3 坑3：会议结束就断线，不做沉淀
参加过很多顶会的人应该都有这种体会：会时热血沸腾，会后的收获感却像漏气的气球，一两天就消磨干净。当时加了微信、加了好友的人，散会后再也没联系过。这基本等于白去。
我的做法是把会议当作一个项目来管理，每天晚上花半小时做三件事：整理当天加了联系方式的人、按热度给听过的报告排序、写下当天最重要的三个收获。回程路上，再给那些聊得比较深入的人发一条具体的信息——不要发通用的“很高兴认识你”，要发“你当时提到的XXX，我后来查了下，发现……”这种具体回应，才能让连接延续。后续再有机会合作，自然就会想起你来。
4.4 还有一个容易踩的坑：光看论文不看作者
很多参会者在去之前只看论文标题，到了会场才发现不知道该听哪一场、该找谁聊。建议参会之前先把议程里的论文作者名单过一遍，尤其是那些你反复引用的成名研究者，标记出来，提前准备两个关于他们工作的思考。在活动中如果有人问“哪些人是你最想见到的”，这样就能不慌不忙地说出来，也更容易鼓起勇气主动上前。有了这个准备，你的社交就不是盲目碰运气，而是有计划的主动连接，效率完全不一样。
5. 关于论文影响力，我的一些真实想法
投IJCAI这种级别的会议，所有年轻人都想“中”，但我想说另一个角度的事：论文录用不是终点，而是影响力的起点。2021年那届我印象深的几篇最佳论文，让我记住的其实不是它们炫技的实验结果，而是它们的“一句话问题”。比如某篇关于多智能体协作的工作，核心主张用一句话就讲得清楚——“智能体数量增加时，如何保持通信成本不爆炸”。这句话足够朴素，但落到场景里有画面，有推导，有实验。
我后来在带学生的时候，最喜欢布置的一个练习是想一个新问题：只用一句话把问题讲清楚，并且让自己觉得“如果别人听了就想知道答案”。这个练习看似简单，但很多博士都过不了关。而青年学者在SAIA这类场合最应该练的也是这个——“一句话问出一个好问题，一句话让别人记住你”。这项技能比多读几篇论文重要得多。
2021年IJCAI-SAIA已经过去，但我到现在依然保持着从那次会议学到的几个习惯：投稿前至少用一整天时间打磨introduction，做报告前想好“只让听众记住一件事”，参会后三天内把联系和收获全部整理干净。这些习惯说起来都不难，也确实让我在后来的几次投稿和参会中少走了很多弯路。如果你正准备第一次冲IJCAI，或者打算申请去现场感受一次，我的建议很简单：去认真地投，去勇敢地问，把自己真正交到会场里去。别怕没经验，会场上的年轻人其实都一样，真正决定收获的，从来不是你有多厉害，而是你有多想搞懂问题。
