CCF A 类会议评审标准速查

通用评审维度（适用于大多数 CCF-A 会议）

1. Novelty（新颖性）

方法是否提出了新的视角或技术路线
不是简单地将已有方法组合
与近 2 年内发表的最新工作有明确区分

2. Soundness（技术可靠性）

理论推导正确，假设合理
实验设计公平（相同条件下对比）
结果可复现，统计检验充分
消融实验覆盖所有核心模块

3. Clarity（表达清晰度）

问题定义清晰
方法描述可跟随并复现
图表信息量大且美观
符号一致，无歧义

4. Significance（研究意义）

问题有实际价值
提升幅度对实际应用有意义
有长期影响的潜力

各会议特色要求

NeurIPS / ICML（机器学习理论+实验）

偏重理论贡献和收敛证明
实验需要在标准 benchmark 上验证
接受率 ~25%

AAAI / IJCAI（AI 综合）

问题驱动，应用面广
需要与多种基线全面对比
接受率 ~20%

ACL / EMNLP（自然语言处理）

人工评估+自动评估并重
需要 case study 展示质性结果
接受率 ~22%

CVPR / ICCV（计算机视觉）

视觉结果展示很重要
需要在大规模数据集上验证
接受率 ~25%

SIGIR / WWW（信息检索/Web）

在线实验（A/B test）加分
需考虑效率/延迟指标
接受率 ~20%

常见拒稿理由

Incremental contribution — 改进太小或方法太简单
Unfair comparison — 基线设置不合理
Missing baselines — 缺少与最新 SOTA 的对比
Insufficient analysis — 缺少消融实验或失败案例分析
Poor writing — 表达不清或结构混乱
Overclaiming — 结论夸大了实际贡献
Reproducibility concerns — 缺少实现细节