7.8 KiB
NeurIPS 官方节目元数据
paper-atlas collect neurips-program 是按需运行的采集器,当前核验范围是 2026 年的官方 orals/posters JSON。它只请求这个固定公开元数据文件,不连接数据库,不请求 OpenReview API,不下载 PDF、视频或个人资料页。模块位于 paper_atlas.collectors.neurips_program,通过统一 CLI 使用。
已核验快照
2026-11-09T17:57:40Z 冻结的原始响应共 20,447,021 字节,SHA256 879293a863057fa05370443b3b5ddee12a10eeb37c810abc6c1d53f71f545997。原始 count=9276 与结果数组长度一致,next、previous 均为空;这只证明此份公开文件已完整取得,不是全部会议出版物或公开拒稿全集。
按官方逐条 sourceurl 中的明确投稿来源分开处理:
| 原始 OpenReview group | 数据库 track | 不同 forum 数 |
|---|---|---|
NeurIPS.cc/2026/Conference |
main |
7896 |
NeurIPS.cc/2026/Evaluations_and_Datasets_Track |
evaluations_datasets |
971 |
NeurIPS.cc/2026/Position_Paper_Track |
position |
137 |
| 合计 | 9004 |
只接受已核验的显式 Accept、Accept (poster/spotlight/oral) 标签,保留原始大小写和文本。未知来源、决定、展示类型、可见性或无法验证的 forum 链接进入 held_presentations,不推成 accepted 或 rejected。空标题、缺少作者、相同 event ID 不同内容、同一 forum 的题名/作者/来源/决定冲突会停止采集。
原 9276 行中,event 154866 有一条内容完全相同的重复行,单独保留其原始行号;另外 132 个口头展示与同 forum 的海报合并为一条投稿候选,完整保留两种展示及时间、场次、原始带符号 sourceid。负数 sourceid 不能被解释为拒稿或另一次投稿,也不转换为全局论文标识。
其余 139 行单独留档:87 个期刊展示、36 个 Bridging the Future 展示、16 个未提供明确投稿来源的条目。这些不因缺少链接而被推为拒稿,也不能被冒充为独立主会审稿录用。后续须核实原期刊发表、认证、复现或其他展示关系。
9004 条是不同 forum 的来源记录,不是已经新增 9004 篇独立科学论文。不同 forum 即使题名和作者相同也保留各自投稿;跨会及版本关系另行核验。题名、完整作者顺序和机构取自原始 JSON,口头与海报不是研究类型;展示标签独立使用 neurips_program:presentation_format namespace。节目中的未来展示时间不冒充决定时间。
运行与恢复
在线模式只请求一个固定元数据 URL,并复用受限大小的响应缓存:
paper-atlas collect neurips-program \
--cache /data/paper-index/cache/neurips2026-program \
--out /data/paper-index/collected/neurips2026-program-YYYYMMDD
冻结模式只读 receipts.json 对应的原始文件:
paper-atlas collect neurips-program \
--snapshots /data/paper-index/collected/neurips2026-program-probe-v1 \
--out /data/paper-index/collected/neurips2026-program-normalized-v1
快照回执包含精确 url、相对 file、bytes、sha256、status=200 和带时区的 finished_at。拒绝越界路径/符号链接、重复回执、失败响应、大小或哈希不符。在线模式沿用项目 HTTP 缓存和限速,验证回执时间后保存原始 JSON。输出目录有互斥锁,完成报告最后发布;已有完成报告时要求新建输出目录,避免覆盖后误重放。
输出三个 track 的 JSONL/manifest、原始 JSON 证据和 neurips-program-2026.json。manifest 始终为 partial;原始节目 JSON 没有摘要,9004 条 abstract=null 和缺失原因如实保存,不能用别篇摘要填充。命令终端只输出数量与路径,完整待处理展示与原始行号在报告中。
恢复时先校验文件和回执,使用同一完整快照生成新输出;若已有完成报告或导入回执,先核实实际来源绑定和 checkpoint,不重放已消费队列。生成文件后还需 PostgreSQL 身份预检、关联审核、增量队列、原生导入和独立验收;源文件成功、CI 通过均不能替代生产导入或最终全库去重。
目录差异与公开拒稿限制
同期官网 Downloads 页面的活动总数不是本 JSON 的论文总数。逐个 poster ID/题名对照后,网页另有 event 155165(Lemon)未出现在本 JSON 中,须单独取得并审核元数据,不能补造其 track 或 forum。16 个未提供来源的条目在 JSON 中使用通用 session URL,而网页有各自 poster URL;原值保留,不能因 URL 映射差异制造新论文。
2026 Main Track Handbook明确允许 rejected 作者选择公开。当前无账号公开 notes API 请求返回 ChallengeRequiredError、HTTP 403,失败原文和回执保留,不绕过验证;因此不能把本 accepted 节目文件当作拒稿数据源或据此推断拒稿是否存在。官网下载表单的 JSON 导出也曾超时,未取得导出内容,已改用独立公开静态节目文件并保留失败证据,不重试超时导出。
当前主动补漏范围从 2020 年起。期刊/展示关系、网页独有条目、摘要和公开负面决定仍有待办;冻结资料和代码适配不代表完整会议覆盖。
2026-11-19 PostgreSQL 对账
逐条复查冻结节目单的 9,004 个论坛。原有 3,321 个已与正确的来源记录、投稿及决定关联。其余 5,683 个里,4,035 个没有精确题名候选,1,637 个只有一个同题候选,11 个存在题名冲突。题名未匹配的条目后续还需用作者和版本证据核查。
从同题候选中核验了 38 条作者顺序相符、预印本明确提到 NeurIPS 2026 的记录。37 条已关联至现有论文并通过正常查询与展示标签回查,其中主会 33 条、E&D 4 条。有一条预印本只写了投稿至 NeurIPS,暂缓关联。已有论文、原入库的投稿与决定均保留。
| 轨道 | 已关联 | 冻结节目单 |
|---|---|---|
| Main | 2,993 | 7,896 |
| Evaluations & Datasets | 342 | 971 |
| Position | 23 | 137 |
| 合计 | 3,358 | 9,004 |
官网 Downloads 的独有活动 Lemon 现已定位到活动 155165 和官方活动页面给出的 OpenReview 论坛。共同作者的单位页面补证题名、署名和录用。当前精确题名与全文短语检查均无库内候选,仍待核对论坛与赛道及写入。该条不计入冻结节目单的 9,004 条。官方论文集首页本次看到最新到 2025,2026 仍以逐条节目证据核验;公开拒稿仍需其他来源。 官方论文集 · Lemon 活动 · 逐条回执
随后又核验了 88 条同题记录。每条在库内只有一个同题候选,完整作者顺序一致,至少两位作者全名吻合,只有一位存在给定名缩写差异。88 条全部关联到已有论文,原工作和投稿历史通过回查。正常查询及展示标签逐条核验。最新节目单关联累计 3,446/9,004,其中主会 3,064/7,896、E&D 359/971、Position 23/137。尚有 5,558 条冻结节目来源待关联。
官网独有的 Lemon 活动也已通过正常查询。官网活动页提供论坛标识,作者单位页面确认题名、作者和录用。该条入在未分类赛道,作品身份列入最终去重复核,另保留未确认的摘要和决定日期。它独立于冻结节目单分母。 官方活动 · 作者单位 · 后续验收