j*********8
发帖数: 61 | 1 http://www.heijing.co/almosthuman2014/2019022813010089707
出身清华姚班，斯坦福博士毕业，她的毕业论文成了「爆款」
很少有人的博士论文能够成为「爆款文章」，但陈丹琦做到了。这位近日从斯坦福毕业
的计算机科学博士引发了人们的广泛关注。据斯坦福大学图书馆介绍，她长达 156 页
的毕业论文《Neural Reading Comprehension and Beyond》上传仅四天就获得了上千
次的阅读量，成为了斯坦福大学近十年来最热门的毕业论文之一。
斯坦福大学还因此对陈丹琦进行了一次简单采访。
陈丹琦激动人心的研究迅速在社交网络和其他专注机器学习的新闻网站上传播。她的指
导老师——斯坦福 AI 实验室负责人、人工智能领域著名学者、斯坦福大学语言学和计
算机科学教授克里斯托弗·曼宁（Christopher Manning）在采访中表示：「陈丹琦是
使用神经网络方法解决自然语言理解问题方面的先驱。她简单、干净、高成功率的模型
吸引了众人的目光……她的这篇毕业论文主要研究神经网络阅读理解和问答，这些新兴
技术正在带来更好的信息访问方式——它可以让计算机系统可以真正回答你的实际问题
，而不是简单地返回文档搜索结果。」
陈丹琦目前正在访问 Facebook 人工智能研究院 Facebook AI Research 和华盛顿大学
，在今年秋季，她即将前往普林斯顿大学计算机科学系担任助理教授。
在毕业于斯坦福大学之前，陈丹琦于 2012 年毕业于清华学堂计算机科学实验班（姚班
）。值得一提的是，她在高中（长沙市雅礼中学）参加信息学国家队集训期间提出了
cdq 分治算法，用于处理一类分治问题；在高中期间她还发明了插头 DP，主要用于解
决数据规模小的棋盘模型路径问题。大牛果然在高中期间就已经「起飞」了。
陈丹琦获得的荣誉和参与的研究还有很多。2010 年，她获得了 ACM ICPC 国际大学生
程序设计竞赛全球总决赛银牌。在斯坦福期间，她在 2014 年发表的论文《A Fast and
Accurate Dependency Parser using Neural Networks》堪称深度学习依存分析方法
的「开山之作」，她和曼宁教授提出的方法在保持精度的前提下，将解析速度提高了
60 倍。
热门的博士毕业论文
这篇毕业论文名为《Neural Reading Comprehension and Beyond》，描述了她在博士
期间的三个重要研究，以解决「人工智能中最难以捉摸和长期存在的挑战之一」：如何
让机器学会理解人类语言。让我们看看她的毕业论文究竟说了什么。
论文链接：https://stacks.stanford.edu/file/druid:gd576xb1833/thesis-
augmented.pdf
摘要
教机器学会理解人类语言文本是人工智能领域最困难的长期挑战之一。本论文致力于解
决阅读理解问题，即如何构建一个计算机系统来阅读一段文本并回答理解问题。一方面
，我们认为阅读理解是衡量计算机系统理解人类语言程度的重要任务。另一方面，如果
我们可以构建高性能的阅读理解系统，那么这些系统就会成为问答、对话系统等应用的
关键技术。
本论文聚焦于神经阅读理解，这是一类构建在深度神经网络之上的阅读理解模型。与基
于特征的手工传统模型相比，这些端到端的神经模型已被证明在学习丰富的语言现象方
面更加有效，在所有现有阅读理解基准测试中都有大幅度的提高。
本论文包含两个部分。第一部分旨在概括神经阅读理解的本质并展示我们在构建高效神
经阅读理解模型方面所做的工作。更重要的是了解神经阅读理解模型实际上学习了什么
，以及解决当前任务需要怎样的语言理解深度。我们还总结了该领域的当前进展并讨论
了未来的发展方向以及一些待解决的问题。
第二部分将探讨如何基于神经阅读理解的当前成果构建实际应用。我们开拓了两个研究
方向：1）我们如何将信息检索技术与神经阅读理解相结合，来解决大型开放域问答问
题；2）我们如何从当前基于跨距的（span-based）单轮（single-turn）阅读理解模型
构建对话问答系统。我们在 DRQA 和 COQA 项目中实现了这些想法，证明了这些方法的
有效性。我们相信，这些技术对于未来的语言技术将非常有帮助。
动机
让机器学会理解人类语言文本是人工智能领域最难的长期挑战之一。在开始做这件事之
前，我们必须要知道理解人类语言意味着什么？图 1.1 展示了 MCTEST 数据集（
Richardson et al., 2013）中的一个儿童故事，只有简单的词汇和语法。为了处理这
样一段文字，NLP 社区花费了数十年的精力来解决各种不同的文本理解任务，包括：
a）词性标注。它要求机器理解这些东西：如在第一个句子「Alyssa got to the beach
after a long trip」中，Alyssa 是专有名词，beach 和 trip 是普通名词，got 是
动词的过去式，long 是形容词，after 是介词。
b）命名实体识别。机器要能够理解 Alyssa、Ellen、Kristen 是人名，Charlotte、
Atlanta、Miami 是地名。
c）句法分析。为了理解每句话的含义，机器需要理解单词之间的关系，或句法（语法
）结构。还是以第一句话为例，机器要能够理解 Alyssa 是主语，beach 是动词 got
的宾语，而 after a long trip 是介词短语，描述了和动词的时间关系。
d）共指消解（coreference resolution）此外，机器甚至还要理解句子之间的相互作
用。例如，句子「She's now in Miami」中的 she 指的是第一句话中提到的 Alyssa，
而第六行中的「The girls」指的是前面提到的 Alyssa、Ellen、Kristen 和 Rachel。
是否有全面的评估方法来测试所有这些方面并探索更深层次的理解呢？我们认为阅读理
解任务（根据一段文字回答理解问题）就是一个合适又重要的方法。正如我们会用阅读
理解来测试人们对一段文本的理解程度，我们认为它同样能够用来测试计算机系统对人
类语言的理解程度。
我们可以看看基于相同段落（图 1.1）提出的一些阅读理解问题：
a）要回答第一个问题「What city is Alyssa in？」机器要找到句子「She's now in
Miami」并解决「She 指的是 Alyssa」这个共指消解问题，最后再给出正确答案「
Miami」。
b）对于第二个问题「What did Alyssa eat at the restaurant？」，机器首先要找到
句子：「The restaurant had a special on catfish.」和「Alyssa enjoyed the
restaurant's special.」，然后理解第二个句子中 Alyssa 吃的 special 就是第一个
句子中的 special。而第一个句子中 special 提到的是 catfish，所以最终正确答案
是 catfish。
c）最后一个问题比较有难度。为了正确回答该问题，机器要找出该段落中提到的所有
人名及其之间的关系，然后进行算术推理（arithmetic reasoning），最终给出答案「
3」。
可以看到，计算机系统要了解文本的各个方面才能正确回答这些问题。因为问题可以被
设计为询问那些我们关心的方面，阅读理解应该是用来评估语言理解程度的最合适任务
。这也是本文的中心主题。
在本文中，我们研究了这样一个阅读理解问题：我们该如何构建计算机系统来阅读文章
并回答这些理解问题？尤其是，我们重点关注神经阅读理解——一种用深度神经网络构
建的阅读理解模型，该模型被证明比基于特征的非神经模型更有效。
阅读理解领域历史悠久。早在 20 世纪 70 年代，研究人员就已经认识到它是测试计算
机程序语言理解能力的重要方法 (Lehnert, 1977)。但是，它却被忽视了数十年，直到
最近才获得了大量关注并取得了快速的进展（如图 2.1 所示），包括我们将在本文详
述的工作。阅读理解近期取得的成功可以归功于两方面：
从（文章、问题、答案）三个方面创建的大规模监督数据集；
神经阅读理解模型的发展。
图 1.2：谷歌上的搜索结果。它不仅返回了搜索文档列表，还给出了文档中更精确的答
案。
本文涵盖了当代神经阅读理解的本质：问题的形式，这些系统的组成部分和关键成分，
以及对当前神经阅读理解系统优势和弊端的理解。
本文的第二个中心主题是，我们坚信，如果可以构建高性能的阅读理解系统，那这些系
统将是建立诸如问答和对话系统等应用的关键技术。事实上，这些语言技术已经与我们
的日常生活息息相关了。例如，我们在谷歌上搜索「有多少人在斯坦福大学工作？」（
图 1.2），谷歌将不仅返回文档列表，还会阅读这些网页文档并突出显示最可靠的答案
，并将它们展示在搜索结果的顶部。这正是阅读理解可以帮助我们的地方，使搜索引擎
变得更加智能。而且，随着数字个人助理（如 Alexa、Siri、谷歌助手或者 Cortana）
的发展，越来越多的用户通过对话和询问信息问题来使用这些设备。我们相信，构建能
够阅读和理解文本的机器也将大大提升这些个人助理的能力。
因此，如何根据神经阅读理解近期取得的成功来创建实际应用程序也是我们感兴趣的一
方面。我们探索了两个将神经阅读理解作为关键组成部分的研究方向：
开放域问答结合了来自信息检索与阅读理解的挑战，旨在回答来自网络或大型百科全书
（如维基百科）的一般性问题。
对话式问答结合了来自对话和阅读理解的挑战，解决了一段文字中的多轮问答问题，比
如用户如何与智能体互动对话。图 1.3 展示了来自 COQA 数据集 (Reddy et al.,
2019) 的一个示例。在该例子中，一个人可以基于 CNN 文章内容提出一系列相互关联
的问题。
图 2.2：论文整理了神经阅读理解中数据集（黑色）和模型（蓝色）的最新重要进展。
在这个表中，除 BERT (Devlin et al., 2018) 外，以相应论文的发表日期排序。
六年博士心路历程
在博士论文中，陈丹琦也介绍了自己博士期间的学习经历，感谢了在前进过程中给予了
她极大帮助的一批人，包括父母、老师、爱人、朋友。编译介绍了致谢中的部分内容，
让我们一窥优秀的人砥砺前行的历程：
对于我来说，在斯坦福的六年是一段难忘的宝贵经历。2012 年刚开始读博的时候，我
甚至都不能说出流利的英语（按照要求，我要在斯坦福修 5 门英语课程），对这个国
家也知之甚少，甚至从未听说过「自然语言处理」这一概念。不可思议的是，在过去的
几年里我竟然一直在做语言方面的研究，训练计算机系统理解人类语言（多数情况下是
英语），我自己也在学习用英语进行沟通、写作。同时，2012 年也是深度神经网络开
始起飞并主导几乎所有我们今天看到的人工智能应用的一年。我从一开始就见证了人工
智能的快速发展，并为即将成为这一浪潮的一份子而感到兴奋（有时是恐慌）。如果没
有那么多人的帮助和支持，我也不可能走到今天。我由衷地感谢他们。
首先要感谢的是我的导师克里斯托弗·曼宁。我刚来斯坦福的时候还不知道 Chris。直
到和他一起工作了几年、学了 NLP 之后，我才意识到自己何其荣幸，能够和这一领域
如此杰出的人才共事。他对这一领域总是充满洞察力，而且非常注重细节，还能很好地
理解问题的本质。更重要的是，Chris 是一个非常善良、体贴、乐于助人的导师。有师
如此，别无他求。他就像我的一位老友（如果他不介意我这么说的话），我可以在他面
前畅所欲言。他一直对我抱有信心，即使有时候我自己都没有自信。我一直都会对他抱
有感激，甚至现在已经开始想念他了。
除了 Chris，我还想感谢 Dan Jurafsky 和 Percy Liang——斯坦福 NLP Group 的另
外两位杰出人才————他们是我论文委员会的成员，在我的博士学习期间给予了我很
多指导和帮助。Dan 是一位非常有魅力、热情、博学的人，每次和他交谈之后我都感觉
自己的激情被点燃了。Percy 是一位超人，是所有 NLP 博士生的榜样（至少是我的榜
样）。我无法理解一个人怎么可以同时完成那么多工作，本论文的很大一部分都是以他
的研究为基础进行的。感谢 Chris、Dan 和 Percy 创建了斯坦福 NLP Group，这是我
在斯坦福的家，我很荣幸成为这个大家庭的一员。
此外，Luke Zettlemoyer 成为我的论文委员会成员也让我感到万分荣幸。本论文呈现
的工作与他的研究密切相关，我从他的论文中学到了很多东西。我期待在不远的将来与
他一起共事。
读博期间，我在微软研究院和 Facebook AI Research 获得了两份很棒的实习经历。感
谢 Kristina Toutanova、Antoine Bordes 和 Jason Weston 在实习期间给予我的指导
。我在 Facebook 的实习项目最终给了我参与 DRQA 项目的契机，也成为了本论文的一
部分。感谢微软和 Facebook 给予我奖学金。
我要感谢我的父母 Zhi Chen 和 Hongmei Wang。和这一代大多数中国学生一样，我是
家里的独生子女。我和父母的关系非常亲密，即使我们之间有着十几个小时的时差而我
每年只能挤出 2-3 周的时间来陪他们。是他们塑造了今天的我，廿载深恩，无以为报
，只希望我目前所取得的一切能够让他们感到一丝骄傲和自豪吧。
最后，在这里我要感谢俞华程对我的爱与支持（我们在这篇博士毕业论文提交之前 4
个月结婚了）。我在 15 岁时遇见了华程，从那时起我们一起经历了几乎所有的事情：
从高中的编程竞赛到清华大学美好的大学时光，然后又在 2012 年共同进入斯坦福大学
攻读计算机科学博士学位。在过去的十年里，他不仅是我的伴侣、我的同学、我最好的
朋友，也是我最钦佩的人，因为他时刻保持谦虚、聪慧、专注与努力。没有他，我就不
会来到斯坦福。没有他，我也不会获得普林斯顿的职位。感谢他为我所做的一切。
致我的父母和俞华程，感谢他们无条件的爱。 |
p*u
发帖数: 2454 | 2 重点在最后一句：15岁遇到老公，一起搞编程竞赛上清华姚班，然后一起Stanford CS
读博。我们基本可以肯定，她和老公的论文都是两人合作的成果，她现在毕业直接拿到
普林斯顿的offer，她老公却只能在哈佛做破死刀。琐男在美国真的不容易，sigh。
【在 j*********8 的大作中提到】
: http://www.heijing.co/almosthuman2014/2019022813010089707
: 出身清华姚班，斯坦福博士毕业，她的毕业论文成了「爆款」
: 很少有人的博士论文能够成为「爆款文章」，但陈丹琦做到了。这位近日从斯坦福毕业
: 的计算机科学博士引发了人们的广泛关注。据斯坦福大学图书馆介绍，她长达 156 页
: 的毕业论文《Neural Reading Comprehension and Beyond》上传仅四天就获得了上千
: 次的阅读量，成为了斯坦福大学近十年来最热门的毕业论文之一。
: 斯坦福大学还因此对陈丹琦进行了一次简单采访。
: 陈丹琦激动人心的研究迅速在社交网络和其他专注机器学习的新闻网站上传播。她的指
: 导老师——斯坦福 AI 实验室负责人、人工智能领域著名学者、斯坦福大学语言学和计
: 算机科学教授克里斯托弗·曼宁（Christopher Manning）在采访中表示：「陈丹琦是
|
P******r
发帖数: 273 | 3 有啥用？普宁的ap也就最多9万9个月，一年最多拿12万。还要拼死拼活挣tenure。不如
一年自费硕士刷题到flag拿20万。
：重点在最后一句：15岁遇到老公，一起搞编程竞赛上清华姚班，然后一起Stanford
CS
：读博。她现在毕业直接拿到普林斯顿的offer，她老公却只能在哈佛做破死刀，sigh。 |
P******r
发帖数: 273 | 4 那她为啥不去? 跟钱过不去?
：你这有点井底之蛙了。以这妹妹的background，真想挣钱的话花街上大把公司抢着要
，第一年四五十万不在话下。
： |
c****6
发帖数: 1 | |
p*u
发帖数: 2454 | 6 就算在硅谷，以她的background，狗家脸家的research labs抢着要，根本不用刷题。
人各有志，人家喜欢做学术。如果她能拿到普林的tenure，那天地更宽了，随时随地去
大公司兼个职位。还可以去中国互联网公司，一年几百万人民币不在话下。
【在 P******r 的大作中提到】
: 那她为啥不去? 跟钱过不去?
:
: ：你这有点井底之蛙了。以这妹妹的background，真想挣钱的话花街上大把公司抢着要
: ，第一年四五十万不在话下。
: ：
|
f********i
发帖数: 577 | 7 这就是扯淡的美国，女的找工作有优势，尤其是faculty
CS
【在 p*u 的大作中提到】
: 重点在最后一句：15岁遇到老公，一起搞编程竞赛上清华姚班，然后一起Stanford CS
: 读博。我们基本可以肯定，她和老公的论文都是两人合作的成果，她现在毕业直接拿到
: 普林斯顿的offer，她老公却只能在哈佛做破死刀。琐男在美国真的不容易，sigh。
|
p*u
发帖数: 2454 | 8 学术界不需要创造产值，diversity有硬性指标。
【在 f********i 的大作中提到】
: 这就是扯淡的美国，女的找工作有优势，尤其是faculty
:
: CS
|
P******r
发帖数: 273 | 9 Stanford CS一年毕业好几十个博士。。。。这女的的pubs算是弱的。
【在 p*u 的大作中提到】
: 就算在硅谷，以她的background，狗家脸家的research labs抢着要，根本不用刷题。
: 人各有志，人家喜欢做学术。如果她能拿到普林的tenure，那天地更宽了，随时随地去
: 大公司兼个职位。还可以去中国互联网公司，一年几百万人民币不在话下。
|
D***r
发帖数: 7511 | 10 除了workshop，她真正的一作就三篇，还没我多呢。
【在 P******r 的大作中提到】
: Stanford CS一年毕业好几十个博士。。。。这女的的pubs算是弱的。
|
|
|
g******n
发帖数: 339 | 11 不厚道的说一句，燕雀焉知鸿鹄志。虽然这版上99%的人都会觉得钱最重要，可是你也
得承认还是有1%的人不这么认为。
【在 P******r 的大作中提到】
: 那她为啥不去? 跟钱过不去?
:
: ：你这有点井底之蛙了。以这妹妹的background，真想挣钱的话花街上大把公司抢着要
: ，第一年四五十万不在话下。
: ：
|
D***r
发帖数: 7511 | 12 她肯定非常smart，比这版里的人都牛。
但如果只看博士研究成果，如果是男的，在美国二流以上大学是找不到faculty的，得
postdoc
【在 g******n 的大作中提到】
: 不厚道的说一句，燕雀焉知鸿鹄志。虽然这版上99%的人都会觉得钱最重要，可是你也
: 得承认还是有1%的人不这么认为。
|
s**e
发帖数: 165 | 13 还停留在看文章篇数的初级阶段。人家引用都两千多次了。https://scholar.google.
com/citations?user=sVR8ktkAAAAJ |
s**e
发帖数: 165 | 14 人家的论文是经典论文，对一个fresh phd来说绝对super star |
D***r
发帖数: 7511 | 15 你点开那篇引用最高的文章看看就知道了，技术上不是很innovative。
应用上有一定创新性。那个时候神经网络刚复苏不久，所以他们找到了一个比较热门的
应用场景。
【在 s**e 的大作中提到】
: 还停留在看文章篇数的初级阶段。人家引用都两千多次了。https://scholar.google.
: com/citations?user=sVR8ktkAAAAJ
|
s**e
发帖数: 165 | 16 说点赞美的话很难么？况且选题好本来就是科研成功的第一步。另外人家另两篇第一作
者的论文都是发表后一两年引用就过200了。你再找一个fresh phd有她这record的看看
。 |
D***r
发帖数: 7511 | 17 我认为她很牛啊，但是我认为如果是男的找不到二流以上大学的faculty，需要postdoc。
这也是很中肯的评价。
每年Stanford，MIT，Berkeley之类的应届毕业生能直接faculty的加起来也就几个人
吧，竞争很激烈。
【在 s**e 的大作中提到】
: 说点赞美的话很难么？况且选题好本来就是科研成功的第一步。另外人家另两篇第一作
: 者的论文都是发表后一两年引用就过200了。你再找一个fresh phd有她这record的看看
: 。
|
s**e
发帖数: 165 | 18 越牛的学校，行事风格越是不羁。他们认为潜力很大的人，跳过postdoc就直接招了，
并不少见。肯定是人家相信她有独立研究能力（通过推荐信等等），不需postdoc。 |
s**e
发帖数: 165 | 19 再观摩一下人家导师牛魔王。什么Nature, Science在人家这里都弱爆了。https://
scholar.google.com/citations?user=1zmDOdwAAAAJ |
M*******n
发帖数: 10087 | 20 CS热门方向引用过200 很容易吧，我毕业前有3篇引用都过200了，然并卵
【在 s**e 的大作中提到】
: 说点赞美的话很难么？况且选题好本来就是科研成功的第一步。另外人家另两篇第一作
: 者的论文都是发表后一两年引用就过200了。你再找一个fresh phd有她这record的看看
: 。
|
|
|
h****e
发帖数: 2125 | 21 实话实说，论文水平不怎么样（可能还是和她老公一起搞的），如果不是女的肯定去不
了普林斯顿。
【在 s**e 的大作中提到】
: 说点赞美的话很难么？况且选题好本来就是科研成功的第一步。另外人家另两篇第一作
: 者的论文都是发表后一两年引用就过200了。你再找一个fresh phd有她这record的看看
: 。
|
h****e
发帖数: 2125 | 22 硅谷IT公司里面research labs里面的一定都很牛吗？
【在 P******r 的大作中提到】
: Stanford CS一年毕业好几十个博士。。。。这女的的pubs算是弱的。
|
h****e
发帖数: 2125 | 23 她老公现在就在哈佛做postdoc。如果她的论文她老公出了不少力的话，就更讽刺了。
postdoc。
【在 D***r 的大作中提到】
: 我认为她很牛啊，但是我认为如果是男的找不到二流以上大学的faculty，需要postdoc。
: 这也是很中肯的评价。
: 每年Stanford，MIT，Berkeley之类的应届毕业生能直接faculty的加起来也就几个人
: 吧，竞争很激烈。
|
h***n
发帖数: 1275 | 24 牛
但锁男们扪心自问
多少锁男同样资质的现在只能搬砖，被小白男领导
操
【在 j*********8 的大作中提到】
: http://www.heijing.co/almosthuman2014/2019022813010089707
: 出身清华姚班，斯坦福博士毕业，她的毕业论文成了「爆款」
: 很少有人的博士论文能够成为「爆款文章」，但陈丹琦做到了。这位近日从斯坦福毕业
: 的计算机科学博士引发了人们的广泛关注。据斯坦福大学图书馆介绍，她长达 156 页
: 的毕业论文《Neural Reading Comprehension and Beyond》上传仅四天就获得了上千
: 次的阅读量，成为了斯坦福大学近十年来最热门的毕业论文之一。
: 斯坦福大学还因此对陈丹琦进行了一次简单采访。
: 陈丹琦激动人心的研究迅速在社交网络和其他专注机器学习的新闻网站上传播。她的指
: 导老师——斯坦福 AI 实验室负责人、人工智能领域著名学者、斯坦福大学语言学和计
: 算机科学教授克里斯托弗·曼宁（Christopher Manning）在采访中表示：「陈丹琦是
|
s**e
发帖数: 165 | 25 凭什么说他老公出了很大力？她老公不是她任何一篇文章的co-author。她老公的
Google Scholar profile: https://scholar.google.com/citations?user=
SfwUC14AAAAJ |
s**e
发帖数: 165 | 26 凭什么说他老公出了很大力？她老公不是她任何一篇文章的co-author。他也做得很不
错，但仅从引用数不能和她比。他的Google Scholar: https://scholar.google.com/
citations?user=SfwUC14AAAAJ |
j********8
发帖数: 136 | 27 典型的目光短浅的猥琐男
sigh。
【在 P******r 的大作中提到】
: 有啥用？普宁的ap也就最多9万9个月，一年最多拿12万。还要拼死拼活挣tenure。不如
: 一年自费硕士刷题到flag拿20万。
:
: ：重点在最后一句：15岁遇到老公，一起搞编程竞赛上清华姚班，然后一起Stanford
: CS
: ：读博。她现在毕业直接拿到普林斯顿的offer，她老公却只能在哈佛做破死刀，sigh。
|
t**s
发帖数: 4026 | 28 人肯定还是牛呀，普林斯顿也不是傻子。standord的nlp的课youtube上面有，Danqi是
head ta，第一节还是第二节课还去讲了一个普林斯顿的paper，不知道是不是巧合 |
p*u
发帖数: 2454 | 29 她和老公同级，同时进入Stanford CS读博，方向也基本一致。天天吃住行都在一起，
非得分开搞research，你会信么？当然也有可能她比她老公强，这个除了她俩就谁也不
知道了。但是不管是谁水平更高出力更多，都是上不了台面的，自然不能当co-author。
【在 s**e 的大作中提到】
: 凭什么说他老公出了很大力？她老公不是她任何一篇文章的co-author。他也做得很不
: 错，但仅从引用数不能和她比。他的Google Scholar: https://scholar.google.com/
: citations?user=SfwUC14AAAAJ
|
t**s
发帖数: 4026 | 30 那锁男的take away是啥？以后每天多刷两题？非要强调锁男遭不公平的待遇，也用不
着非要贬低自己族类的优秀女性吧，你说呢？
: 很多领域内的人已经下了结论了：她的thesis水平有限，如果是个男的凭这个根
本去不
: 了一线大学。
【在 p*u 的大作中提到】
: 她和老公同级，同时进入Stanford CS读博，方向也基本一致。天天吃住行都在一起，
: 非得分开搞research，你会信么？当然也有可能她比她老公强，这个除了她俩就谁也不
: 知道了。但是不管是谁水平更高出力更多，都是上不了台面的，自然不能当co-author。
|
|
|
c**x
发帖数: 137 | 31 你是真太pathetic了， 你只要看下google scholar就知道了她老公是做算法的，她自
己是做nlp的，方向没有任何相似性。
另外下个屁的结论啊，你说的领域内的人是谁。danqi chen绝对是nlp的领域的rising
star了，是男的去一线大学一点问题都没有。
author。
【在 p*u 的大作中提到】
: 她和老公同级，同时进入Stanford CS读博，方向也基本一致。天天吃住行都在一起，
: 非得分开搞research，你会信么？当然也有可能她比她老公强，这个除了她俩就谁也不
: 知道了。但是不管是谁水平更高出力更多，都是上不了台面的，自然不能当co-author。
|
p*u
发帖数: 2454 | 32 做NLP的不搞算法？自己睁大狗眼看看，斯坦福NLP组的主页（https://nlp.stanford.
edu/）上怎么写的：“
The Natural Language Processing Group at Stanford University is a team of
faculty, postdocs, programmers and students who work together on algorithms
that allow computers to process and understand human languages.
”
我看你爸妈生出你来才最pathetic。
rising
【在 c**x 的大作中提到】
: 你是真太pathetic了， 你只要看下google scholar就知道了她老公是做算法的，她自
: 己是做nlp的，方向没有任何相似性。
: 另外下个屁的结论啊，你说的领域内的人是谁。danqi chen绝对是nlp的领域的rising
: star了，是男的去一线大学一点问题都没有。
:
: author。
|
r****7
发帖数: 2282 | 33 索南有几个上过姚班的和上过姚班的LOL
algorithms
【在 p*u 的大作中提到】
: 做NLP的不搞算法？自己睁大狗眼看看，斯坦福NLP组的主页（https://nlp.stanford.
: edu/）上怎么写的：“
: The Natural Language Processing Group at Stanford University is a team of
: faculty, postdocs, programmers and students who work together on algorithms
: that allow computers to process and understand human languages.
: ”
: 我看你爸妈生出你来才最pathetic。
:
: rising
|
s**e
发帖数: 165 | 34 这样，你先找一个fresh PhD同样资质的大家来看看。
【在 h***n 的大作中提到】
: 牛
: 但锁男们扪心自问
: 多少锁男同样资质的现在只能搬砖，被小白男领导
: 操
|
c*******3
发帖数: 108 | 35 想酸人家的继续酸。可以确定的是，人家智商绝对超过版上90%的人。 |
m********3
发帖数: 2125 | 36 你的推断也太可笑了。
就是认为男的比女的厉害。女的成功就是靠男的老公，为什么不说靠她导师呢？
[在 pxu (又呱噪又抠门还偷老婆钱) 的大作中提到：]
:她和老公同级，同时进入Stanford CS读博，方向也基本一致。天天吃住行都在一起，
:非得分开搞research，你会信么？当然也有可能她比她老公强，这个除了她俩就谁也
不知道了。但是不管是谁水平更高出力更多，都是上不了台面的，自然不能当co-
author。 |
G*B
发帖数: 1380 | 37 比1% 多，一半人不觉得钱最重要
我觉得身材相貌最重要
【在 g******n 的大作中提到】
: 不厚道的说一句，燕雀焉知鸿鹄志。虽然这版上99%的人都会觉得钱最重要，可是你也
: 得承认还是有1%的人不这么认为。
|
s**e
发帖数: 165 | 38 现在支持她的人都拿出了证据（thesis被1000多人下载，google scholar引用两千多次
，等等），反对她的人都是靠猜想。特别你的第二点，版上一个或几个人的质疑拿来说
。那下载她文章一千多次和引用她文章两千多次的人就不是领域内的人了？水平低会有
这么多人去读她的工作？
【在 p*u 的大作中提到】
: 做NLP的不搞算法？自己睁大狗眼看看，斯坦福NLP组的主页（https://nlp.stanford.
: edu/）上怎么写的：“
: The Natural Language Processing Group at Stanford University is a team of
: faculty, postdocs, programmers and students who work together on algorithms
: that allow computers to process and understand human languages.
: ”
: 我看你爸妈生出你来才最pathetic。
:
: rising
|
p*u
发帖数: 2454 | 39 你把有她老板名字的文章filter掉，再看看还有多少citation。
【在 s**e 的大作中提到】
: 现在支持她的人都拿出了证据（thesis被1000多人下载，google scholar引用两千多次
: ，等等），反对她的人都是靠猜想。特别你的第二点，版上一个或几个人的质疑拿来说
: 。那下载她文章一千多次和引用她文章两千多次的人就不是领域内的人了？水平低会有
: 这么多人去读她的工作？
|
c**x
发帖数: 137 | 40 你真的不是来搞笑的吗，她做的是深度学习的算法，跟她老公做的算法跟本不是一回事
。搜搜去科普再来黑，或者你看看她文章发表的会议和她老公类似吗，再来黑。
这个更搞笑了，phd发文章当然都挂老板名字了，为啥要把老板名字filter掉。
【在 p*u 的大作中提到】
: 你把有她老板名字的文章filter掉，再看看还有多少citation。
|
|
|
p*u
发帖数: 2454 | 41 你google两小时就这结果？
至于citation么，我只想告诉你们老板是谁可能会有很大影响，没有说一定是。我说的
领域内人士是工业界搞NLP的资深人物，看过陈的论文后给出没啥impressive的评论，
信不信随便你们。
【在 c**x 的大作中提到】
: 你真的不是来搞笑的吗，她做的是深度学习的算法，跟她老公做的算法跟本不是一回事
: 。搜搜去科普再来黑，或者你看看她文章发表的会议和她老公类似吗，再来黑。
: 这个更搞笑了，phd发文章当然都挂老板名字了，为啥要把老板名字filter掉。
|
c**x
发帖数: 137 | 42 你倒是回复这两个算法哪里一样啊。猜测她老公帮他的证据啊。你的资深人物装b过头
了吧，phd的毕业论文要多好才能impress他啊。
我就是这个圈子里的，机器学习phd毕业工作有一段时间了，这点判断力还没有吗。
【在 p*u 的大作中提到】
: 你google两小时就这结果？
: 至于citation么，我只想告诉你们老板是谁可能会有很大影响，没有说一定是。我说的
: 领域内人士是工业界搞NLP的资深人物，看过陈的论文后给出没啥impressive的评论，
: 信不信随便你们。
|
p*u
发帖数: 2454 | 43 好好好，你说俩算法完全不一样就完全不一样，那个人装13就他就是装13。你最有判断
力了，一切都你对，行了吧？
【在 c**x 的大作中提到】
: 你倒是回复这两个算法哪里一样啊。猜测她老公帮他的证据啊。你的资深人物装b过头
: 了吧，phd的毕业论文要多好才能impress他啊。
: 我就是这个圈子里的，机器学习phd毕业工作有一段时间了，这点判断力还没有吗。
|
p*u
发帖数: 2454 | 44 还用找，她老公不就是？？
【在 s**e 的大作中提到】
: 这样，你先找一个fresh PhD同样资质的大家来看看。
|
D***r
发帖数: 7511 | 45 要说超牛PhD你可以看看这位，2012年毕业的也是做NLP的
https://scholar.google.com/citations?user=oBu8kMMAAAAJ&hl=en
当然这位妹妹已经很牛，比80% PhD牛。但是她那个研究确实够不上毕业直接去普林
【在 s**e 的大作中提到】
: 这样，你先找一个fresh PhD同样资质的大家来看看。
|
s**e
发帖数: 165 | 46 这位现在当然是超牛，但是2012年她fresh PHD毕业时Google Scholar总引用也只有一
百多次。那时的她record可是比不上现在这位的。你给我找一位fresh PhD引用能过两
千的吧。能过一千也行。
【在 D***r 的大作中提到】
: 要说超牛PhD你可以看看这位，2012年毕业的也是做NLP的
: https://scholar.google.com/citations?user=oBu8kMMAAAAJ&hl=en
: 当然这位妹妹已经很牛，比80% PhD牛。但是她那个研究确实够不上毕业直接去普林
|
s**e
发帖数: 165 | 47 PhD毕业于同一个学校就叫同一资质？算了，你根本不知道大学招faculty时看的资质是
什么。
【在 p*u 的大作中提到】
: 还用找，她老公不就是？？
|
p*u
发帖数: 2454 | 48 拜托，人家是男的。他的博士在捷克拿的，citation低就是因为没有强大老板背景。
【在 s**e 的大作中提到】
: 这位现在当然是超牛，但是2012年她fresh PHD毕业时Google Scholar总引用也只有一
: 百多次。那时的她record可是比不上现在这位的。你给我找一位fresh PhD引用能过两
: 千的吧。能过一千也行。
|
p*u
发帖数: 2454 | 49 我靠，我还想说她老公很可能比她资质强多了呢。
算了，我也懒得说了，反正肯定是你最懂。
【在 s**e 的大作中提到】
: PhD毕业于同一个学校就叫同一资质？算了，你根本不知道大学招faculty时看的资质是
: 什么。
|
j*******h
发帖数: 1 | 50 ACM的世界银牌，做面试题比洗脚还轻松吧
sigh。
【在 P******r 的大作中提到】
: 有啥用？普宁的ap也就最多9万9个月，一年最多拿12万。还要拼死拼活挣tenure。不如
: 一年自费硕士刷题到flag拿20万。
:
: ：重点在最后一句：15岁遇到老公，一起搞编程竞赛上清华姚班，然后一起Stanford
: CS
: ：读博。她现在毕业直接拿到普林斯顿的offer，她老公却只能在哈佛做破死刀，sigh。
|
|
|
s*****r
发帖数: 43070 | 51 估计来俺狗就是泯然众人矣，博士多如狗的地方
去普林走学术是对的，混到大牛，年入百万不是梦
学术圈相对竞争要小很多 |
s*****r
发帖数: 43070 | 52 俺年轻那会也在曼宁的课拿过A啊，现在岁数大了，做题不灵光了
【在 j*******h 的大作中提到】
: ACM的世界银牌，做面试题比洗脚还轻松吧
:
: sigh。
|
