首先，这个声明跟当事人没有任何关系。主要是粉丝朋友最近一直在跟我闲聊这个事情，我统一做一下回复。 起因：我跟当事人素味平生。没有任何交集。只是上周五在朋友圈看到这个信息，觉得不合适。因为NIPS2021身边也有人投稿，当时给我看过paper，我觉得还有点东西的。被拒了。这突然来了个中12篇的，还出来了争议“丑闻”。就顺手在公众号上转发了一下知乎的信息。 知乎上的截图不是我发的。首先我不在那个PDF的收件人名单里，其次我也不在这个圈内，再者，我没那么多时间搞这些玩意。 经过：文章一发，短短几个小时阅读量五千。很多粉丝朋友跟我闲聊这事。我也没太在意。晚上洗完澡当事人找到我微信加我了。她说她是王教授前女友，要起诉我。我一开始以为是王教授本人，并没有在意，也还没删文章，因为觉得我只是转发一下，没啥好起诉的。后来验明了真身，确实是前女友。她说这个文章给她带来困扰了（原话）。 结果：我很理解她的心情。觉得不能给她带来二次伤害。就删帖了。后来她说想通过公众号发一个事情的说明，我也同意的。又一天她觉得不需要了。就此搁浅。关于NIPS2021的学术运作的事情，只有当事人自己清楚。我也不关注这些东西。我也没精力跟这玩意。 一、我没有40页PDF。我也没看过。大家吃瓜的话估计要失望了。即使有，我也不会随意传播吧。不过凑巧我没有。 二、关于学术水平评价。我之前对王教授没有任何了解。就刚晚上看了下他的paper。发现他是一个学院派的理论型选手。好几篇文章都在研究如何设计更精巧simple的深层网络模型结构，让他跟复杂的大模型效果一样甚至超越。这一块也是目前学界研究的热点。就是说现在DNN结构就是一个黑盒子，搭建的傻大黑粗深的模型，浪费资源，中间有很多过载的参数和连接可以去掉。我以前关注过模型压缩加速，这一点其实业界是有需求的。如果真的研究透了，黑盒子被打开了，可以顺手设计一个简单精巧的模型结构，像AK47一样好使，还是很有价值的。 我只看了一篇paper：Dissectingthe Diffusion Process in Linear Graph Convolutional Networks。这个文章讲的是如何让简单的线性图卷积模型跟经典的图卷积或注意力图网络（含线性特征传播层和非线性转换层）的效果相当。我看了下代码。其实他这个解耦图卷积本质就是做了一次图数据的特征提取预处理工作。相当于如果预处理做得好，不需要非线性转换层了。
这个是整个pipeline。一开始读取数据就介入了预处理。这个模块是load_citation。然后是dgc_precompute_time模块。
这个idea其实是比较浅显的。因为事实上，DNN（GNN）就是做自动特征提取。不过这个论文也算是一次GNN黑盒子内核探究的开篇。 三、中了12篇，但个人主页只挂出了10篇。有一篇没挂出来的是这个：Efficient Equivariant Network。 这个文章也是研究simple模型结构的。我没细看不做评论。学术上，我对这个领域不太了解。目前看的第一篇paper还算make sense。你们感兴趣自己挖掘去吧。有则改之无则加勉。生活上，我这个是一个学术研究的公众号，不太关心感情纠葛。再说，这些东西留给当事人自己吧。粉丝：多看paper，勤敲代码。干有意义的事。今后不再为这个事情扯了。
原文作者：Agent的潜意识；如有侵权，请联系管理员删除。
