一篇新论文探讨了在AI投稿同行评审过程中串通和破坏的可能性,特别是在NeurIPS和ICLR等主要会议上。研究人员开发了一个模拟数千次会议的基于代理的模型,研究了作者上限和与录用挂钩的评审资格等评审规则如何激励这些负面行为。研究结果表明,串通和破坏会显著影响录用率和研究质量的感知,尤其是在评审分配偏离随机选择时。 AI
影响 凸显了AI研究传播中潜在的系统性问题,影响了科学进步的完整性。
排序理由 学术论文,详细介绍了同行评审过程的模拟。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.MA (Multiagent) 阅读 →
- alphaXiv
- arXiv
- CatalyzeX
- Conference on Neural Information Processing Systems
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- International Conference on Learning Representations
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →