为什么Mamba模型被拒？_mamba模型不可信

Mamba模型问世

最近，国际学习表征会议（ICLR）公布了2024年会议的最终决定，其中引起广泛关注的是一个名为Mamba的模型。这个模型最初被认为是对抗著名的Transformer架构进行语言建模任务的主要竞争者，但最终被拒绝，尽管它得到了审稿人8—8—6—3的评分。

Mamba模型为什么被拒？

Mamba的拒绝引发了疑问，特别是考虑到它作为一种选择性状态空间模型，能够随上下文长度线性扩展，在某些方面可能优于Transformer。然而，通过仔细审查审稿人的反馈意见，可以发现主要问题集中在评估方法上。

两个关键问题导致了Mamba的拒绝：

1. 缺少LRA结果：缺乏长距离竞技场（LRA）基准测试结果，这是评估长序列模型的标准。LRA在类似研究中一直是常规基准测试，缺少这一结果是一个显著的遗漏。

2. 质疑困惑度作为评估指标：使用困惑度作为主要指标受到了质疑。批评者认为，较低的困惑度得分并不一定意味着在现实世界的NLP应用中具有更好的建模能力，建议需要更全面的评估方法。

尽管论文有其优势，但这些问题，特别是缺乏全面的基准测试和依赖困惑度，被认为是重大问题。审稿过程以建议拒绝结束，建议通过额外的实验解决这些问题，以利于未来的提交。

对Word2vec拒绝的反思

Mamba的故事类似于另一个突破性工作的历程：Word2vec。尽管在2013年ICLR首次会议上被拒绝，Word2vec后来成为NLP领域的基石，展示了创新研究在该领域中的不可预测路径。其拒绝的原因主要与提交的演示和对反馈的回应有关，突显了同行评审过程的复杂性。

被拒绝的杰作的未来

Mamba和Word2vec的经历突显了学术研究的一个关键方面：会议的拒绝并不决定研究的价值或潜在影响。正如Word2vec后来赢得了NeurIPS 2023年度时间考验奖，突破性的想法可以超越最初的挫折，对其领域做出重大贡献。

此外，最近发现的流行开源多模态大模型CogVLM被ICLR拒绝进一步强调了研究旅程中充满了挑战和学习机会。对于Mamba、CogVLM和类似项目的研究人员来说，拒绝可以成为进一步完善和最终认可的踏脚石。

结论

ICLR 2024对Mamba的决定，让人联想起Word2vec的故事，提醒我们科学研究中的同行评审过程具有动态性和不可预测性。它强调了韧性、持续改进的重要性以及对研究真正价值的信念，这些价值超越了在任何一个会议上的接受。随着AI社区的不断发展，像Mamba和Word2vec这样的模型的贡献无疑将为新的突破和创新铺平道路。