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
-
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。