NeurIPS 2026 录用概率到底能不能靠算出来

投顶会这种事，有时候真像是在赌博。最近在 Reddit 上刷到一个挺有意思的小工具，作者写了个模型来估算 NeurIPS 的录用概率，逻辑其实挺直接：基于审稿给出的分数（Scores）和预设的录取率（Acceptance Rate）来跑一个概率模型。

对于咱们搞机器学习研究的人来说，这种工具虽然不能代替审稿人的主观判断，但在拿到分数后的那种“焦虑期”，确实能提供一个相对理性的心理预期。

我大致看了一下这个估算器的逻辑，它主要关注以下几个核心维度：

• 评分分布： 不同维度的分数（比如创新性、技术正确性、实验充分性）对最终结论的影响权重。
• 录取率基准： 你可以手动调整假设的录取率，毕竟每年的 NeurIPS 竞争程度都在变，直接套用去年的数据可能不太准。
• 分数置信度： 通过模型计算出的概率区间，而不是给一个死板的“中”或“录”。

虽然这种工具本质上是在玩统计学游戏，无法考虑到审稿人之间那种奇葩的意见分歧（比如一个 8 分一个 3 分的情况），但作为一种辅助决策的实操手段，它比在那瞎猜要好得多。

如果你正处于投稿后的等待期，或者正在根据审稿意见决定要不要进行 Rebuttal，可以去试试这个地址看下概率分布：

https://levilingsch.github.io/neurips-acceptance-estimator/

不过我也得提醒一句，这种基于分数的计算器有一个天然的硬伤，就是它假设了分数的分布是符合某种统计规律的。但在真实的学术评审中，审稿人的评分往往带有极强的人为偏差。如果你的分数处于临界点，与其盯着这个概率看，不如把精力放在 Rebuttal 的逻辑打磨上。