计算机科学的科研

会议的等级

国内计算机学会的 CCF 划分是比较权威的，虽然它受到了政治立场的影响，对某些会议的评级可能存在偏差，但总体上还是在合理范围内。CCF将会议分为A、B、C三个等级：

A类会议：质量很高，是公认的顶级会议。
B类会议：部分质量很高，但整体略低于A类。
C类会议：质量相对较低，影响力有限。

一般而言，专注于发表A类会议论文，并选择能够发表A类会议的研究课题，是一个很好的科研策略。值得注意的是，国际认可度高的会议和期刊通常都是英文的，其他语言的学术活动在声望和影响力上往往难以相提并论。

除了CCF的分类，还有一个重要的参考是Core Conference Rankings。这个系统汇集了全球多个国家和地区的会议评级标准，为研究人员提供了更全面的参考。它可能包含了如下的标准

SCI（Science Citation Index）：主要用于评估期刊影响力。
SCIE（Science Citation Index Expanded）：SCI的扩展版本。
ERA（Excellence in Research for Australia）：澳大利亚的研究评估体系。

在A类会议中，不同领域的难度和影响力会有所差别，即使都是顶级会议，某些领域的会议由于其研究门槛、竞争激烈程度和技术积累要求，更难被接受。

网络领域的A类会议，如 SIGCOMM 是公认的顶级会议，接受率极低。对论文的创新性要求极高，需对网络性能、架构优化等具有实质性突破。研究门槛高，需要有扎实的理论基础（如排队论、博弈论等），并结合真实系统实现或大规模实验。NSDI 也是很有挑战性的。INFOCOM 今年给注水，被玩坏了，声望下降的厉害。

安全领域的顶级会议如 CCS（ACM Conference on Computer and Communications Security）和 S&P（IEEE Symposium on Security and Privacy），需要论文的实用性，比如发现了一个影响较大的漏洞，设计了新颖的协议或者安全模型。但是不同的主题难度也不一样，做工具的需要在工具的效率上有非常大的创新，做某个领域安全检测的需要做非常彻底的实验，但是也存在一些糊弄审稿人，一些没啥用的漏洞去极端条件下实验的。存在做一些emperical study的，很讲究运气还有关系。

软件工程领域就更加容易注水了，CCF 给软工的许多会都列做A，从质量上来说是合理的。但是存在非常扎实的做了有用的工具的论文，也有只是提到某中模式的经验分析，还有更加一般的调查问卷之类的，比如调查开发流程。一般来说，这里的论文虽然参差不齐，是国人注水的重灾区，但是还是有很多很好的工作的。

人工智能的顶会我不太熟悉，投稿数量非常大，热点集中，可能是其他领域的十几倍。这种情况很难把握会议的整体论文质量。一般认为 AI 相关的论文更加容易中一些，一般比较短小。13页和8页的论文不是差了5页，而是3页的背景讲完了，你的实质内容和原创贡献10页和5页的区别。

一些学科交叉的论文，很容易因为审稿人不太懂，导致事实不是很清楚，但是就中了的情况。比如一些人机交互，不是很推荐投这些会议。

一般来说研究软件、安全，会关注安全四大，软工四大，其次IMC，SIGMETRICS，其次是WWW。如果偏向系统和存储方向，可能会投OSDI、SOSP、USENIX ATC、EuroSys、FAST这些。偏向网络方向的可能投IMC、SIGMETRICS、NSDI。偏向编程语言方面的，可能投 PLDI、PODL、OOPSLA。

如果以上的会议没有中，会开始投期刊，因为上面那一轮下来基本已经快一年了吧，期刊可能还需要半年。期刊一般也是按着 CCF A 的顺序投稿。

文献习惯

首先，文献一定要多读，读文献就像喝水吃饭一样正常。读文献就是你的工作。但是也一定要行动，去做实验，去验证自己的猜想还有假设。

对于每一篇论文，要记住它的：1）会议名称+年份。2）论文标题。3）作者小组，以及一作名字。4）主要关注点和解决的问题，使用的方法论。

记住论文，才是你和同行交流 idea 的共同语言，尤其是两个来自完全不一样的地方的人，你们的共同语言可能就剩下这个了。其次就是你记得住对方组的论文，甚至能想起来他的论文，你们还能侃侃而谈，说到了很多其他人的工作，那么就很容易给对方很好的印象。一般名校的同学都会这样做到。

虽然强调要多看论文，但是计算机科学是动手的学科，当你觉得是个好的idea的时候，你就该去动手。虽然新手的idea大概率不会有多好，但是动手去做，真正的写出一篇13页的论文，从实验设计、数据收集、数据分析和绘图、论文写作、投稿和rebuttal走一遍，你会有非常大的进步。所以，请你赶快完成你的第一个课题，投稿第一篇文章。然后等着被审稿人批评，接着去找师兄、老师、同一个方向的其他老师虚心修改。

好的课题比一直投入更加重要。我在给论文库里的论文加上标签的时候，我发现自己之前做的网络测量参考的论文，很多都是B期刊，甚至C期刊。这说明老师一开始给我的课题就不太行，还好是我找到了新的突破点，不然就完蛋了。

如何发现好的课题呢？首先吧你的方向的顶会的论文，最近3年的，全部看一遍标题和摘要，快速浏览。这一步是知道你最优秀的同行他们关心着什么，在做什么。接着你就会对一个课题的层次，有了模糊的判断。此时，你很容易分不清什么是重要的和可做的。因为看到太多的论文，你会发现他们有没做完的东西，或者按照你对系统的理解，存在拓展的方向，那就会产生非常多的idea。那么我觉得，如果你想投入去做，那可以去做，但是可能会经历很长时间的写代码、做系统原型。总之，不是轻松的工作。

什么是轻松好出论文的工作呢？第一种模式，第一个提出某种现象，并且做了现象的解释，数据的分析。这种模式关键是快，而且选题要比较准，要是真的关注的重点。比如说你在安全公司上班，你整天处理的东西。这个就要贴近业界才会有更多的发现。

第二种模式，用同类的方法快速的扩张。方法论都有了，你只需迁移和实现，并且实现并不难的工作。可以去类比和迁移其他事物。

困难模式：你去挖掘一个系统是否存在bug，并且从某种设计中看到着这种设计的缺陷，然后非常深入的开了一个可以持续研究的话题。这种模式前期投入非常大，一般属于师门没啥帮助，自己摸索求生，接着有点悟性找到了可以做的点。相比于解决热点问题，自己找到问题，或许这种悟性是比较难得的。不过也要注意论文产出，毕竟硬通货才是前途的基石。

实用的网站 dblp

dblp: computer science bibliography