《英语广场》

某实验室因未公开深度学习模型训练代码，导致论文被国际顶刊撤稿；另一团队因代码注释缺失，遭遇学术成果复现性质疑……这些案例揭示了计算机领域学术发表的新门槛：源代码开放获取与算法可复现性验证。

一、政策类型：从“鼓励”到“强制”的三级分类

1. 强制开源声明
   部分顶刊（如《IEEE模式分析与机器汇刊》）要求投稿时同步提交完整代码包，并在方法章节标注开源协议（如MIT、GPL）。未提供代码存储库认证链接的论文将直接进入“技术核查”环节，平均延迟发表3-6个月。

2. 选择性公开规范
   涉及敏感数据或专利保护的算法，可申请部分代码豁免。例如《ACM图形汇刊》允许对核心模块进行伪代码替代，但需在附录提供算法可复现性测试报告，包括输入输出样例与运行环境配置。

3. 事后追溯机制
   期刊如《International Journal of Computer Vision》采用“双盲审+代码后验”模式：接收论文后6个月内，作者需在指定平台（如GitHub或CodeOcean）完成代码上传，否则触发撤稿预警。

二、实践痛点：90%作者踩过的三大“深坑”

• 注释完整性不足
  代码中缺少关键参数说明（如超参数取值范围）、函数依赖关系图，导致同行评审阶段被要求补充代码文档规范说明。
• 环境依赖缺失
  未标注特定硬件驱动版本（如CUDA 11.6）、第三方库依赖（如PyTorch 2.0），引发复现结果偏差。
• 数据脱敏疏漏
  训练集中残留用户隐私信息（如医疗影像ID）、商业数据集未授权片段，可能引发法律纠纷。

三、合规解决方案

以《Pattern Recognition Letters》为例，其技术审查清单明确要求：

1. 所有随机种子必须固定并记录
2. 提交数据集共享声明（含获取途径与使用权限）
3. 提供至少两种运行环境验证结果（如Windows/Linux）

四、期刊案例与投稿策略

1. 严格型顶刊（录用率<15%）

   • 《IEEE模式分析与机器汇刊》：需通过同行评审代码审查环节，代码质量占评分权重的30%
   • 《ACM Transactions on Graphics》：要求代码与论文同步提交至SIGGRAPH关联仓库

2. 友好型期刊（录用率>40%）

   • 《Journal of Intelligent & Fuzzy Systems》：允许使用私有数据集，但需提供模拟数据生成脚本
   • 《Signal Processing: Image Communication》：接受GitLab私有仓库链接，豁免部分商业代码

自查清单（投稿前必核）

1. 是否删除代码中的调试日志与临时路径？
2. 是否包含标准化的README文件（含安装/运行/测试指引）？
3. 是否在致谢部分注明代码引用的开源项目？

据统计，规范公开代码的论文平均被引量提升41%（数据来源：IEEE Xplore 2024年统计）。在可复现性成为学术基石的今天，代码公开已从“加分项”升级为“生存技能”。遵循期刊规则，实则是为研究成果赋予更强的传播生命力。