【AI100 导读】人工智能真的只需要懂些高数，会用深度学习框架跑示例就可以了吗？投稿会议之前将 paper 发布在 arXiv 上，盲审如何保证公平？一起来看看本期的 The Ones。
1. One Paper
Symbolic,Distributed and Distributional Representations for Natural Language Processingin the Era of Deep Learning: a Survey
链接：
https://arxiv.org/abs/1702.00764
本文是一篇综述，非常详细地介绍了 NLP 中词的各种表示方法，从符号到分布式表示，比较全面。
2. One Code
HyperBoard
HyperBoard 是一个辅助深度学习调参的网页端可视化工具，不依赖于特定的深度学习框架（如 Tensorflow），能够在远程服务器训练模型的同时在本地浏览器进行可视化。目前支持训练曲线的实时更新，可以方便地按照超参数组合对几十上百条训练曲线进行筛选和隐藏，下一步计划支持动态的统计直方图和向量可视化功能。
项目源码及文档地址：
https://github.com/WarBean/hyperboard
三分钟使用演示（Youtube）：
3. One Deep
数学和物理是很多研究的基础，数学的抽象和物理的建模描述对于研究一个现实问题非常重要和必要。并不只是会点多元函数的微分，链式法则，会用框架跑几个 examples 就意味着掌握了深度学习，就走在了人工智能最前沿，其实远远不够。本周推荐这篇深度文章《放弃幻想，搞 AI 必须过数学关》和知乎上关于“ Yann LeCun 说的「要研究机器学习，本科应尽量多学物理和数学课」对吗？”的讨论。
知乎讨论地址：
https://www.zhihu.com/question/55260138
文章地址：
http://mp.weixin.qq.com/s/KwR0K0rsnv8Q7M0JIP7rdw
4. One Research
（图片引自：微博@王威廉）
会议 paper 的盲审是保证公平的一个重要手段，但很多的作者其实在投稿会议之前就已经将 paper 发布在了 arXiv 上，导致评阅者在评阅 paper 时很容易就知道作者和学校，而作者的名气或者所在学校的名气很大程度上都会影响到评阅者的心理，造成评阅有失公允，并且会形成马太效应，“好的作者和学校越来越好，越来越受欢迎”。
本文为 AI100 原创，转载需获同意。
,
