Best-paper 清單把噪音變成品味

把頂會 best paper 清單整理成可重複使用的研究品味追蹤器，直接拿去做讀書與選題工作流。

我以前也很愛把各種 best paper 清單丟進書籤，想說總有一天會看。結果通常是，存完就忘，忘完再焦慮，焦慮到 deadline 前才翻出來裝忙。這種用法很像在收集噪音，不像在建立判斷力。我後來盯上這個 Top-Conference-Best-Papers repo，才發現問題不是我不夠勤勞，是我一開始就把 best paper 當成新聞標題在看。

這個 repo 的厲害之處不是花俏，而是它很乾脆：把 ICLR、NeurIPS、ICML、ACL、EMNLP、NAACL、AAAI、CVPR、ECCV 的獎項 winners 整理起來，還刻意偏向 post-2022 的新東西。這讓我第一次有機會把「哪些題目被獎勵」當成一個可觀察的資料集，而不是一串看過就算的連結。

我最不爽的地方也在這裡。很多人讀 best paper，只會得到一種很虛的感覺：喔，這些論文很強。廢話，當然強。但到底強在哪？是題目選得準，方法乾淨，還是寫法讓 reviewer 一眼懂？如果不拆開看，最後只會把別人的品味當成自己的品味，然後以為自己進步了。

我不再把 award list 當新聞看

A curated list of Best Paper award winners from top ML/NLP venues.

翻譯一下就是：這個 repo 不是要做完整文獻庫，它是在做訊號濾鏡。這件事看起來很小，但其實很對。我要的不是所有 accepted paper，我要的是那些被委員會、program chair、reviewer 共識一起推上去的東西。

我以前也犯過一個蠢：把 best paper 當成虛榮指標。後來才懂，重點不是獎牌本身，而是它把一個社群在某一年認為「值得被看見」的東西壓縮給你。這種壓縮很適合拿來訓練判斷力，尤其你如果在帶學生、選題目、或是在做自己的閱讀清單。

這個 repo 第一個值得學的地方，是它有篩選。它不是把整個學術宇宙都端上來，而是聚焦在 post-2022 的時段。這很重要，因為「好論文」這件事會隨時代變。2020 年的 ACL 強作，跟 2025 年的 ACL 強作，背後的問題壓力根本不是同一個世界。

我自己的做法是先問：這份清單到底想讓我看到什麼？在這裡，它想讓我看到的是 recency、prestige、award-level validation 的交集。這足夠拿來排閱讀順序，但不夠拿來寫 literature review。沒關係，本來就不該一魚兩吃。

• 把 repo 當訊號采樣器，不要當 citation database。
• 先看年份，再看 venue，最後才看題目。
• 別盯單篇論文，先看重複出現的問題型態。

post-2022 這條線才是重點

Compared to similar repos/lists, this repo focuses on the post-2022 “post-GPT era” and puts extra emphasis on NLP venues.

這句話的意思很直白：它想回答的是「大型語言模型把基準線改掉之後，社群到底在獎勵什麼」。我很喜歡這種切法，因為它不會假裝 2018 跟 2025 是同一個世界。不是。ChatGPT 出來之後，很多 paper category 的意義都變了。

我自己對照過舊的 top paper 清單，感覺差很多。舊清單常常偏 benchmark、architecture tweak、理論漂亮話；新清單還是有這些，但我越看越常碰到 alignment、editing、inference efficiency、simulator learning、dataset contamination 這些題目。這不是雜訊，這是領域重心換了。

所以這個 cutoff 很有用，因為它逼你誠實。你如果真的想知道現在什麼會被獎勵，就不要把十年前的東西和現在混在一起，然後假裝趨勢很平滑。那只是自我安慰。recency 在這裡不是缺點，是篩選條件。

我會這樣做：自己切 era bucket。先分 pre-LLM、post-ChatGPT、current year，再看每個 bucket 裡的 winners 在解什麼問題。你會發現變的不只是方法，連問題本身都在漂移。

• 先切時代，再切 venue。
• 留意題目漂移：alignment、long-context、contamination、data efficiency。
• 不要拿舊標準硬套新標準。

venue 不是標籤，是社群口味

repo 把 ICLR、NeurIPS、ICML、ACL、EMNLP、NAACL、CVPR、ICCV、ECCV、AAAI 都放進來，還把年份範圍列得很清楚。這很有用，因為它讓我能比較不同社群到底獎勵什麼，而不是假裝所有 conference 都在追同一種「好」。根本不是。

我自己的粗暴分類是這樣：ICLR、NeurIPS 常常比較 method-forward，也比較 systems-aware；ACL、EMNLP、NAACL 會讓你看到 NLP 在理解、生成、評估、安全之間怎麼拉扯；CVPR、ECCV 比較像 vision 社群在看什麼東西不只是 leaderboard；AAAI 則很像一個廣角鏡，適合看整體 AI 風向。

這對我最實際的用途是選投稿 venue。當我講不清楚自己的 paper 為什麼符合某個 venue 的獎勵模式，我就會提高警覺。不是說不能投，而是表示我還沒把故事講對。這份清單等於把 venue identity 用 award 的方式攤開來看，比官網上的介紹誠實多了。

我會建議你這樣用：挑一個 venue、一個年份，把 best paper 跟 honorable mention 全部讀完。然後問三個問題：它獎勵的是什麼問題、需要什麼證據、寫法怎樣才會一眼看懂。這比亂讀一百篇 abstract 有效太多。

• 用 venue slice 看社群偏好。
• 把 honorable mention 一起看，抓邊界。
• 不要以為一個 venue 的 taste 可以直接搬去另一個 venue。

標題其實在教你怎麼 framing

* Safety Alignment Should be Made More Than Just a Few Tokens Deep (ICLR 2025)

這句標題很兇，因為它不是在賣弄詞藻，是在直接講 failure mode。翻譯一下就是：安全對齊不能只做表面工夫。它把問題、漏洞、主張一次講完，reviewer 還沒進方法段就知道你要打哪裡。這不是巧合，這是強 paper 很常見的寫法。

我以前很常被那種「想法不差，但標題像棉花」的 paper 搞到很煩。看完不知道它到底在主張什麼，只知道作者很努力。這個 repo 的好處，就是你可以拿 award paper 當 framing 樣本，直接看它怎麼把貢獻壓縮進一句話裡。

像 “Transformers are Inherently Succinct” 這種標題就很像 thesis，不像行銷。又像 “Model Tells You What to Discard: Adaptive KV Cache Compression for LLMs”，它把動作、對象、技術點都講清楚。這種標題不是裝酷，是讓人快速判斷你有沒有真的在解問題。

我會這樣實操：寫標題時，先檢查它有沒有同時講到 object、mechanism、claim。若沒有，就再改。再來，把標題拿去問一個很兇的 reviewer：這句話到底在保證什麼？如果你自己都答不順，標題大概也不行。

另一個偷法是把 award paper 的標題拆成模板。不是照抄字面，而是抄結構。很多強標題其實都長得像「X 在 Y 條件下其實是 Z」或「X 不該只被當成 Y」。這種結構逼你精準，少一點廢話。

這份 repo 本質上是 taste dataset

I built this repo to develop better research taste by studying what the community consistently recognizes as high-impact work.

翻譯一下就是：這不是「best paper 蒐集器」，而是品味校正器。我很喜歡這個說法，因為 taste 這詞常常被講得很玄，好像只能靠天生。但其實你要的是 judgment，而且 judgment 是可以練的。你只要看夠多被共同認可的好東西，就會開始看到模式。

我也拿這種清單去帶過新手。大家最常問的問題是：「什麼叫好？」老實說，這題沒有標準答案，但 award winners 至少能給你一個社群在壓力下仍願意承認的下限。不是天花板，但很夠用了。

我會把 taste 拆成三塊：

• Problem taste：這題是不是現在真的值得做。
• Method taste：技術是不是乾淨，不是只會堆。
• Presentation taste：寫法能不能讓人一眼懂你在幹嘛。

實操上，我不建議你只是 bookmark。你應該做一個小 rubric。每篇 winner 都評一遍 problem、method、evidence、writing。看完十篇，你就會開始看到 pattern。那時候 taste 才會從玄學變成可訓練的東西。

honorable mention 才是邊界線

Outstanding Paper Honorable Mentions

這句話的價值常被低估。很多人只看 winner，但我反而更愛看 honorable mention。因為它們告訴你「差一點就被獎勵」的樣子。winners 告訴你門檻在哪，honorable mentions 告訴你門檻附近長什麼樣。

我常覺得 near-miss 論文比冠軍更有教學價值。它們通常也很強，只是可能少了一點完整性、一點聚焦、一點證據密度，或是一點寫作上的俐落。這些東西正好可以拿來理解一個 venue 的風險容忍度。

如果你正在寫一篇想要「夠大膽但不要太莽」的 paper，honorable mention 很值得讀。它們會讓你看到社群願意給予肯定、但還沒到壓倒性認可的作品。這種邊界感很實用，尤其對容易過度設計或過度保守的人來說。

我的做法是另外開一個 reading queue 給 honorable mentions，不把它們當剩菜。它們其實是最接近邊界的樣本，最容易教你怎麼拿捏。

你可以直接抄的工作流

我如果今天要把這個 repo 真正用起來，不會只停在看。我會把它變成一個固定流程，讓每週、每月都能跑一次。這樣你不是在追 paper，你是在追 pattern。

先選一個 venue，一次只看一個年份。從 best paper 開始，再看 honorable mentions。每篇只寫三句：它解了什麼問題、核心想法是什麼、為什麼社群會給它獎。這三句寫得出來，你就真的看懂了；寫不出來，代表你只是滑過去。

再來，把每篇論文打分。不是為了裝專業，是為了讓你自己的 taste 有可比較的尺。你可以看 problem importance、timeliness、technical novelty、experimental rigor、clarity of presentation、reusability of ideas。這幾個維度夠用了。

最後，每個月做一次總結。問自己：哪些題目一直出現？哪些 title 結構特別有效？哪些 venue 的證據標準比較硬？哪些 paper 真的改變了我對這個領域的判斷？這些答案會比「我又讀了多少篇」有價值得多。

可抄的模板

# Research Taste Tracker from Best Papers

## Goal
把頂會 best paper / honorable mention 變成一個可持續更新的研究品味追蹤器。

## Scope
- Years: 2022–present
- Venues: ICLR, NeurIPS, ICML, ACL, EMNLP, NAACL, AAAI, CVPR, ICCV, ECCV
- Include: Best Paper, Outstanding Paper, Honorable Mention

## Fields to capture
- Year
- Venue
- Award type
- Paper title
- Authors
- Paper URL
- One-sentence takeaway
- Problem type
- Method type
- Why it likely won
- Framing / writing notes

## Reading workflow
1. 每次只選一個 venue + 一個年份。
2. 先讀 winner，再讀 honorable mentions。
3. 每篇只寫 3 句：
   - 它解了什麼問題？
   - 核心想法是什麼？
   - 為什麼社群會給它獎？
4. 每月跨 venue 比一次。
5. 把重複出現的 pattern 寫進一份短備忘。

## Taste rubric
每篇論文打 1–5 分：
- Problem importance
- Timeliness
- Technical novelty
- Experimental rigor
- Clarity of presentation
- Reusability of ideas

## Pattern log
持續記錄：
- 重複出現的題目
- 常見失敗模式
- 有效的標題結構
- 不同 venue 的證據標準
- 反覆出現的方法型態

## Copy-ready note template
### [Year] [Venue] — [Award type]
**Paper:**
**Authors:**
**Link:**
**One-line takeaway:**
**Why it mattered:**
**Problem type:**
**Method type:**
**Framing lesson:**
**Evidence lesson:**
**What I would borrow:**
**What I would avoid:**

## Monthly synthesis
每月底寫一次：
- 3 個我看到的 pattern
- 2 個我現在更相信的 claim
- 1 個我沒那麼相信的 claim
- 1 個我更懂的 venue taste
- 1 個值得偷到自己工作裡的 idea

這段我會直接貼進 Notion、markdown file，或 lab wiki。重點不是漂亮，而是能重複執行。repo 本身只是清單，真正的價值是把清單變成 workflow，逼你每週都做比較。

如果你想再往前一步，我會搭配官方 venue 頁面和 paper 原文一起看，像是 OpenReview、NeurIPS proceedings、ICML、ACL Anthology。repo 當入口就好，不要把它當整棟大樓。

原始來源是 FeijiangHan/Top-Conference-Best-Papers。我這篇是從它的結構延伸出的拆解與工作流模板，原創的是方法論整理與可抄版本，不是重貼 repo 內容。