一篇新论文认为，科学人工智能（AI4Science）工作流应将测量到数据集的管道视为推理组件，而不是固定的接口。作者们指出了三种失败模式：隐藏的假设空间、未经认证的可运输性和不受管制的多元性。神经科学中的一项实证审计发现，在跨数据集稳定性标准下，存活率非常低，这表明需要可计算的观测框架来量化管道的充分性和稳定性。 AI
影响 通过解决数据管道中的不确定性，促进更严谨和可复现的科学人工智能研究。
排序理由 该集群包含一篇在arXiv上发表的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →