10:56
arXiv cs.LG@Mark A. Anastasio
推荐理由：想知道医学影像AI领域的科研方向出了问题在哪？这篇Perspective论文直接点出算法竞赛之外的概念缺失，给实验室和期刊提出了改进建议。
全部 AI 动态
AI 相关资讯全量信息流
6月18日
10:56
这篇Perspective论文区分了算法创新（在固定问题定义内改进计算实现和性能）与概念创新（重新定义问题、衡量标准、临床相关性）。作者指出当前激励结构、培训路径和发表规范 disproportionately 奖励算法创新，尤其在早期研究者中，而低估了概念贡献。通过医学影像AI的代表性案例，论文展示概念基础不足如何导致目标错位、泛化脆弱和有限现实影响。最后给出针对研究者、导师、审稿人和期刊的可操作建议，以更好地识别和支持概念创新。
6月16日
20:46
AITOP6月16日 20:46
6月15日
11:12
11:12
arXiv cs.AI@Jan Batzner, Sree Harsha Nelaturu, Anastassia Kornilova, Jon Crall, Tommaso Cerruti, Yanan Long, Yifan Mai, Sanchit Ahuja, Asaf Yehudai, Marek Šuppa, John P. Lalor, Oluwagbemike Olowe, Jatin Ganhotra, Brian H. Hu, Eliya Habba, Andrew M. Bean, Chang Liu, Sander Land, Steven Dillmann, Aniketh Garikaparthi, Elron Bandel, Saki Imai, James Edgell, Wm. Matthew Kennedy, Jenny Chim, Patrick Meusling, Asteria Kaeberlein, Venkata Ramachandra Karthik Chundi, Manasi Patwardhan, Martin Ku, Austin Meek, Leon Knauer, Brian Wingenroth, Srishti Yadav, Usman Gohar, Felix Friedrich, Michelle Lin, Jennifer Mickel, Arman Cohan, Stella Biderman, Irene Solaiman, Zeerak Talat, Anka Reuel, Mubashara Akhtar, Gjergji Kasneci, Avijit Ghosh, Leshem Choshen
推荐理由：统一了AI评估结果格式
6月12日
12:57
AITOP6月12日 12:57
10:27
10:27
arXiv cs.AI@Lezhi Tan, Tijana Zrnic
推荐理由：合成数据在科研中越来越常见，但偏差问题一直让人头疼。这篇论文给出了一个可操作的统计框架，让做社会科学调查或AI评估的研究者可以放心地用合成数据做推断，值得关注。
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07
5月11日
11:45
11:45arXiv cs.AI（学术论文）
推荐理由：该研究直面AI评估领域的方法论碎片化问题，提出的结构化流程和人类中心设计原则为业界提供了可操作的标准化评估框架，尤其对金融等高风险行业的AI系统评估具有直接参考价值。