Google Scholar
PulseAugur coverage of Google Scholar — every cluster mentioning Google Scholar across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
巴西人工智能会议见证大型语言模型、开放科学的兴起
一项对巴西智能系统会议（BRACIS）十一年的元科学研究揭示了巴西人工智能研究的趋势。研究发现，自2020年以来，大型语言模型研究显著增加，目前占论文的19%。作者参与的特点是单届贡献者比例高，而引用高度集中在少数论文中。研究还强调了开放科学实践的兴起，例如工件发布和arXiv上的预印本可用性，预印本与更高的引用次数之间存在显著相关性，尽管全文访问仍受付费墙限制。
-
人工智能考古学论文未出现在Google Scholar，作者怀疑与批评大型语言模型有关
一位研究人员遇到了一个问题，他关于人工智能在考古学中的论文发表一个多月后仍未被Google Scholar收录。作者怀疑这可能是由于论文对大型语言模型持批评态度而遭到故意压制，但编辑或Google Scholar并未提供确切原因。
-
AI科学家将“世界模型”定义为动作条件化，对具身AI至关重要
领先的AI科学家、Visionary Future创始人张磊认为，当前AI行业“世界模型”的兴起是由具身AI中模仿学习的局限性所驱动的。他强调，真正的世界模型必须是动作条件化的，这意味着它能够根据智能体采取的特定动作来预测环境变化。这种能力对于使机器人能够通过模拟试错来学习至关重要，从而降低了现实世界实验的高成本和风险。张磊指出，尽管中国在机器人硬件方面取得了令人瞩目的进步，但真正的瓶颈在于开发能够进行真正因果推理和适应性的更复杂的A…
-
AI生成模型用于音效合成的综述
arXiv上发表的一篇最新综述论文，考察了基于AI的音效生成模型的进展。该论文分析了过去五年中的30篇同行评审文章，重点关注文本、视觉和音频等不同输入模态如何影响生成音效的质量和相关性。尽管当前模型在保真度和语义对齐方面表现出色，但在复杂场景下的时间同步以及弥合客观指标与人类感知之间的差距方面仍存在挑战。
-
图书出版商起诉谷歌 Gemini AI 训练侵犯版权 · 追踪 6 个来源
一个由主要图书出版商和作家组成的联盟已对谷歌提起集体诉讼，指控该公司非法使用数百万本受版权保护的书籍来训练其 Gemini AI 模型。出版商认为，谷歌未经许可或付款，将其为 Google Books 和 Google Scholar 等服务提供的作品重新用于商业 AI 训练，构成了“大量侵犯版权材料的行为”。这项在纽约联邦法院提起的法律诉讼，寻求法定损害赔偿、禁止进一步侵权以及销毁未经授权的副本，这加剧了针对 AI 公司有关版权问题的诉讼浪潮。
-
用户对当前人工智能研究和模型表示怀疑
此条目是一条社交媒体帖子，通过“pff！”这句话表达了对当前人工智能研究的轻视情绪。用户在等待更重大的进展，暗示他们对当前人工智能模型和研究的现状不满意，希望“准备好了”时能收到通知。
-
AlterLab 使 AI 代理能够访问来自 SimilarWeb、eBay、Google Scholar、Stack Overflow 的网络数据
AlterLab 发布了新工具，允许 AI 代理以编程方式访问来自各种在线平台的数据，包括 SimilarWeb、eBay、Google Scholar 和 Stack Overflow。这些工具，即 Extract API 和 Search API，旨在克服 AI 代理在访问网络数据时面临的常见挑战，例如速率限制、JavaScript 渲染和机器人检测。通过提供结构化的 JSON 输出或查询结果，AlterLab 的服务使 AI 代…
-
Aaron Tay：Google Scholar的实用性及其对AI开发的启示
Aaron Tay的分析探讨了Google Scholar的实用性，认为一个工具的价值不会因其不完美而打折。文章强调，即使是有缺陷的工具也能提供显著的好处和学习机会。这种观点在AI开发和应用领域尤其具有现实意义，因为早期版本或不完美的系统仍然可以推动进步并提供见解。
-
AI框架被开发用于追踪研究文献中的数据集使用情况
研究人员开发了一个新的AI框架，用于追踪和分类学术文献中的数据集使用情况，填补了当前研究基础设施的空白。该多任务GLiNER系统联合提取数据集提及、识别关系并对使用上下文进行分类。为了克服标记数据有限的挑战，该方法结合了合成数据生成和基于LLM的再验证，以提高监测数据集引用的准确性和一致性。
-
数千篇生物医学论文中发现AI生成的引文
《柳叶刀》近期发表的一项研究显示，生物医学期刊文章中的AI伪造引文显著增加。研究人员开发了一个AI驱动的系统来分析超过240万篇论文，在2023年至2026年初的2800篇文章中发现了超过4000个伪造的参考文献。这种趋势在综述文章中尤为普遍，可能与LLM幻觉有关，研究期间每篇论文的伪造引文数量增加了12倍以上。
-
用户放弃Google搜索转向规避AI的替代品
用户对搜索引擎中的AI集成越来越不满，尤其是Google。许多人正在转向像DuckDuckGo和Kagi这样的注重隐私的替代品，理由是担心AI生成的内容和侵入性的AI功能。这些用户赞赏DuckDuckGo允许禁用AI答案和图片，一些人也在探索其他搜索引擎。
-
深度学习推动PPG信号分析进步，但挑战依然存在
对2017年至2025年间发表的460篇论文进行的范围审查显示，深度学习已显著推动了光电容积脉搏波描记法（PPG）数据的分析。这些方法在从心血管评估到生物识别等任务上，提供了比传统机器学习更高的性能和灵活性。然而，在数据集可用性、现实世界验证、模型可解释性、可扩展性和计算效率方面，挑战依然存在。
-
CiteRadar: 研究人员画像和地理可视化的引文情报平台
研究人员开发了CiteRadar，一个开源平台，旨在分析学术引文并可视化其地理分布。该系统处理一个Google Scholar标识符，生成出版物列表、包含作者元数据的引文论文、排名作者表以及交互式世界地图。CiteRadar通过整合多个数据源并采用新颖的技术进行解析、作者消歧和位置数据提取，解决了现有文献计量工具的局限性。
-
Springer Nature 的机器学习书籍包含虚假引用
Springer Nature 新出版的一本机器学习教科书《Mastering Machine Learning: From Basics to Advanced》被发现包含大量捏造的引用。调查显示，三分之二的被核查引用要么不存在，要么包含重大错误，一些研究人员证实他们并未撰写被引用的作品。出版商目前正在调查此事，该书作者尚未确认是否在创作过程中使用了 AI 工具，尽管错误的性质具有 LLM 生成内容的特征。