Как превратить рабочий проект в статьи по машинному обучению для NeurIPS и ICLR

Мария Тихонова, исследователь из Sber AI, 3 июня 2025 года опубликовала подробный разбор того, как русскоязычные разработчики могут превратить свои рабочие проекты в научные статьи уровня A и A* и подать их на NeurIPS, ICLR или ACL.

Большинство специалистов в России создают ИИ-агентов (программы, которые сами выполняют цепочку действий), RAG-системы (поиск по базе знаний плюс генерация ответа), собирают данные и обучают модели, но останавливаются на посте в Хабре. По словам Тихоновой, разница между Хабром и публикацией на топовой конференции часто не в качестве исследования, а в умении правильно оформить результат.

Что понадобится

• Завершённый проект или сильный промежуточный результат: новый датасет, бенчмарк, комбинация методов с измеримым улучшением, SoTA-результат (State of the Art, лучший известный показатель на стандартном тесте).
• Доступ к порталу Conference Ranks для проверки ранга конференции.
• LaTeX-редактор (Overleaf или локальный) для набора статьи по шаблону конференции.
• Запас времени: по рекомендации Тихоновой, оценку срока на исследование нужно умножить на 2 или даже на 2,5, потому что написание текста занимает больше времени, чем сама работа.
• Английский язык на уровне, достаточном для научного текста, или помощь редактора.

Пошаговая инструкция

1. Определите, что именно нового вы привнесли. Не нужно было изобрести трансформер. Подойдёт новая комбинация известных методов, дающая более высокий результат. Новый датасет на русском языке. Исследование поведения моделей в нишевых условиях: устойчивость к атакам, знание культурного кода, поведение на чувствительных темах. SoTA-результат на известном бенчмарке с воспроизводимым методом. Хорошо задокументированная система с демонстрацией работы.

2. Выберите конференцию и формат. Тихонова предлагает ответить на пять вопросов:

3. Соответствует ли тема профилю конференции?
4. Какой уровень новизны: концептуально новая архитектура, улучшение существующего решения или новый датасет плюс модель?
5. Какой объём работы: длинная статья для журнала или короткая для конференции?
6. Формат результата: прикладное демо или теоретическая работа?

7. Укладываетесь ли вы в дедлайн конференции?

8. Проверьте ранг конференции на Conference Ranks. A* означает «исключительные», флагманские мероприятия. Для русскоязычных датасетов Тихонова рекомендует смотреть и на российские конференции, потому что такие работы в первую очередь интересны локальному сообществу.

9. Спланируйте время с запасом. Умножайте оценку на 2,5. Типичная ошибка: «У нас есть результаты, осталось только написать». Текст пишется итеративно и отдельно от исследования.

10. Структурируйте статью по стандартам конференции. Задайте себе вопросы, которые задаст рецензент: насколько корректен базовый уровень сравнения (baseline)? Что будет, если изменить гиперпараметр? Этот процесс, по словам Тихоновой, сам по себе повышает качество исследования.

11. Оформите код и данные для воспроизводимости. Загрузите код на GitHub, модель на HuggingFace. Рецензенты ценят прозрачность.

12. Отправьте статью до дедлайна, а не в последний момент. Тихонова называет это «крайне непопулярным подходом среди учёных», но настаивает на нём.

Почему русскоязычные датасеты дают реальное преимущество?

Тихонова прямо рекомендует создавать бенчмарки на русском: их значительно меньше, чем на английском, и они нужны сообществу. Для авторов из России и СНГ это конкретный путь к публикации: западные исследователи физически не могут закрыть эту нишу, а рецензенты на международных конференциях ценят работы, расширяющие языковое покрытие.

Что делать с этим прямо сейчас, по ролям

Автору Дзена и контент-специалисту. Если вы работаете с нейросетями и пишете о них, формализация результатов в машинное обучение научные статьи добавляет вес вашей экспертизе. Статья на конференции, это не абстрактная «наука», а строчка в портфолио, которую невозможно отозвать.

Разработчику и дата-сайентисту. Пересмотрите свои проекты: комбинация методов, новый датасет, агентная система с нетривиальным поведением могут стать основой для подачи. Начните с Workshop-треков, у них ниже порог входа.

Предпринимателю в РФ и СНГ. Публикации сотрудников повышают репутацию компании и упрощают найм. Поддержите команду временем и оплатой участия. Для российских команд особенно перспективны работы с русскоязычными данными.

Статья остаётся с вами навсегда, как напоминает Тихонова. Код на GitHub могут заархивировать, пост может затеряться, а принятая публикация на NeurIPS или ACL, это ваш вклад, который уже не отменить.