MLSys Review Process 是一个用于推演 Conference on Machine Learning and Systems（MLSys）投稿从上传到决定之间发生什么的技能。以下机制基于 2026 年周期锚点（验证于 2026-07-08），但该会议年轻且仍在重新设计流程（2026 年新增了一个完整 track），因此在做战略决策前应重新打开当前 CFP 和 OpenReview group 确认。
用途 该技能帮助作者理解 MLSys 同行评审的运作方式，包括 OpenReview 工作流、混合 ML 与系统审稿人池，以及每一半如何评分。它适用于投稿前策略、审稿期间解读评审包、回复阶段确定优先级，以及决定后规划下一步。
主要能力
- 流程建模：描述投稿、双盲评审、评审发布、作者回复、通知、出版和可选 artifact evaluation 等阶段的时间线。
- 双文化审稿分析：区分 ML 文化审稿人与系统文化审稿人在贡献、证据、怀疑触发点和附录习惯上的不同关注点。
- 决策关键因素识别：指出工作负载代表性、基线强度、主张-证据范围匹配和诚实信号等最常见致命异议。
- 审稿包分类：提供 triage grid，按决策影响和可回答性排序异议。
- 评分与信号解读：解释短评、长负面评、置信度分数和文化分裂信号的含义。
- 保密与行为规范：说明投稿保密、双盲加 arXiv 模型下的作者要求。
- 决定后建议：区分 rejected 和 accepted 后的行动方向。
- 输出格式：按阶段、审稿集形态、决策关键异议、回复杠杆、行为检查和下一步行动组织输出。
使用方式 该技能以文本说明形式提供，没有安装命令或代码。用户可通过阅读其内容，在投稿前、审稿中、回复期和决定后各阶段对照检查。输出格式建议按以下字段组织：[Stage] pre-submission / under review / response / decided；[Review-set shape] 系统 vs ML 异议，分裂或一致；[Decision-critical objection] meta-review 将权衡的那一个；[Response leverage] 窗口内可回答吗？用什么证据；[Conduct checks] 匿名/联系/保密风险；[Next move] 一个行动。
适用场景
- 准备向 MLSys 投稿的研究者，需要了解审稿人池构成和评分视角。
- 收到评审包后，需要快速识别决策关键异议并规划回复。
- 在单轮短回复窗口内，需要判断哪些异议可回答、哪些可忽略。
- 决定后，需要决定是加强后投下一届 MLSys 还是改投系统会议。
- 需要检查匿名、联系和保密方面的合规风险。
限制
- 机制基于 2026 年周期锚点，会议流程可能变化，需以当前 CFP 和 OpenReview 页面为准。
- 回复窗口长度、讨论机制、审稿人志愿者对作者的期望以及评审中的 AI 使用政策在 2026 年除上述日期外未能核实（待核实）。
- 录取率传闻每年变化，故意省略。
- 该技能不提供安装命令、代码或具体操作步骤，仅为评审流程的推演框架。
- 不编造功能、收费、价格、平台、效果或使用步骤；缺失事实明确写暂未提供。