研究人员开发了一个名为SIU$^2$A的新框架，用于评估图像的科学有效性和可纠正性，特别是在面对AI生成内容时。该框架通过检测科学不准确性以及纠正这些不准确性的可行性来评估图像的效用，同时也衡量所做任何纠正的质量。使用该框架进行的实验表明，当前的多模态AI系统在准确识别和纠正图像中的科学错误方面存在显著困难，这凸显了视觉感知与真正的科学可用性之间的差距。 AI
影响 强调了当前AI在确保视觉数据科学准确性方面能力的重大局限性。
排序理由 该集群包含一篇详细介绍新研究框架和数据集的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.03401v1 Announce Type: new Abstract: Scientific images function as critical evidence in research communication, yet their integrity faces unprecedented threats from AI-generated content that introduces subtle but consequential errors. Existing evaluation paradigms prov…
Scientific images function as critical evidence in research communication, yet their integrity faces unprecedented threats from AI-generated content that introduces subtle but consequential errors. Existing evaluation paradigms prove inadequate: perceptual quality metrics poorly …