两篇新的arXiv论文分析了AI会议同行评审的质量和一致性。第一篇论文《评审彩票》使用2017-2025年ICLR数据的观察性估计器,发现存在显著的分歧率,表明23-30%的论文在更换审稿人后,其录用/拒绝决定可能会被翻转。第二篇论文《同行评审真的在衰落吗?》分析了ICLR、NeurIPS和ACL,开发了一个新的框架来量化评审质量。该研究反驳了衰落的论调,发现中位数评审质量随时间没有持续下降,并为相关担忧提出了替代性解释。 AI
影响 这些研究为AI领域科学评估的可靠性提供了关键见解,可能影响未来的评审流程以及AI研究的可信度。
排序理由 两篇在arXiv上发表的学术论文,分析了AI会议的同行评审质量。
- arXiv
- Association for Computational Linguistics
- Conference on Neural Information Processing Systems
- Feilian Huang
- International Conference on Learning Representations
- Rohan Kumar Nayak
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →