同行评审能否在 AI 生成文本中幸存?
针对 AI 生成文本对学术同行评审体系构成的挑战,探讨其生存可能性。该讨论基于 Hacker News AI 社区的 35 条评论展开。
针对 AI 生成文本对学术同行评审体系构成的挑战,探讨其生存可能性。该讨论基于 Hacker News AI 社区的 35 条评论展开。
AI 在发现临床研究论文错误方面表现优于人类科学家。该结论基于对 AI 与科学家在识别文献中统计学、方法学等错误的对比评估。
论文提出 COL-Tree 数据结构,通过基于地标更精确的启发式实现高效图遍历。 其查询算法支持 A$k$NN 和 $k$FN 等查询,在真实与合成数据集上比现有方法快至三个数量级,且预处理开销小。
针对联邦立法要求高错误率州承担巨额成本压力,模拟研究显示结合 AI 标志与风险评分的预审策略成本仅为纯风险模型的七分之一。该成本优势在多种假设条件下均保持稳定,AI 辅助审查成为帮助州避免分担成本的关键工具。
ClipJury 团队复查 175 个 AI 工具条款,发现 15 周内 105 个工具(60%)修改了影响免费内容商业变现的关键规则。 其中 31 项因素变更增加了创作者风险,方向比例约为 5:1。