鑒別人工智慧研究
这份数据简报由乔治城大学安全与新兴技术中心 (CSET) 发布，旨在探讨识别人工智能 (AI) 研究的不同方法，并评估这些方法在识别 AI/ML 相关文献方面的效果。简报比较了四种主要方法：关键词搜索、研究领域分类、基于 arXiv 的分类以及研究聚类，并分析了它们在 CSET 整合的学术文献语料库、AI/ML 会议出版物和 arXiv 预印本上的表现。
核心发现包括：
* **方法选择至关重要：** 不同的方法在识别 AI/ML 相关文献方面存在显著差异，选择哪种方法会对分析结果产生影响。
* **arXiv 分类器表现最佳（英文）：** 对于英语文献，经过 arXiv 专家标签微调的 SPECTER-based transformer 模型表现优于其他方法，在精确度和召回率方面均表现出色。
* **跨语言方法：** 对于包含中文的文献，建议首先使用 arXiv 分类器处理英文文本，然后对中文文本进行关键词搜索。
* **关键词搜索的局限性：** 虽然关键词搜索实施门槛较低，但难以维护，且容易受到术语漂移的影响。此外，关键词搜索在 arXiv 语料库中的表现最差。
* **研究领域分类的优势：** 研究领域分类能够识别应用领域中的 AI/ML 研究，例如在生物技术研究和开发中使用 AI/ML 技术。
* **研究聚类方法的优势：** 研究聚类方法可以通过引用网络扩展到英语和中文以外的语言。
* **语料库差异的影响：** 分析机构在考察作者所属机构时，需要注意不同方法对AI/ML研究识别的语言和地域差异。
简报强调，研究人员和政策制定者在识别 AI/ML 相关文献时应谨慎选择方法，并充分了解每种方法的优势和局限性。 arXiv 分类器由于其性能和对更新的专家标签的支持，被推荐用于识别英语 AI/ML 相关出版物。关键词搜索在英文结果中可能需要手动审查。
相关报告
-
6.8 MB 27页 2026智慧化工解决方案-华为-202610.pdf
-
3.24 MB 57页 中国词元工厂发展全景洞察与深度分析报告（2026）-智慧城市行业分析-202607.pdf
-
15.31 MB 99页 2026年人力资本趋势研究：技术驱动 以人为本-人类如何增强在人工智能时代的成果260617.pdf
-
11.87 MB 89页 循环工程研究报告-清新研究-202606.pdf
-
23.7 MB 78页 人工智能与产业发展深度研究报告-清新研究-202604.pdf
-
24.43 MB 78页 驾驭工程（Harness Engineering）研究报告-清新研究-202603.pdf
-
7.62 MB 47页 OpenClaw与数字员工研究报告-清新研究-202603.pdf
-
1.75 MB 77页 2025剖析香港飲食業四大工傷意外研究報告.pdf
-
17.39 MB 50页 智慧工地整体解决方案(1).pdf
-
15.53 MB 68页 智慧工厂汽车行业MES项目解决方案.pdf
-
5.47 MB 107页 智慧工地标准化方案.pdf
-
1.73 MB 13页 人工智能伦理风险与治理研究.pdf
-
2.14 MB 13页 人工智能赋能下的全球知识工作者工作方式变革研究.pdf
-
11.6 MB 83页 智慧工地整体解决方案.pdf
-
1.06 MB 45页 智慧银行：以人工智能驱动转型并创造价值.pdf
-
9.41 MB 38页 人工智能+”时代公共云发展模式与路径研究研究报告.pdf
-
4.36 MB 49页 智慧工厂智慧安防监管平台建设方案.pdf
-
5.14 MB 43页 智慧工地的现状及发展趋势.pdf
-
3.37 MB 33页 2024人工智能开源大模型生态研究-甲子光年.pdf
-
806.09 KB 68页 大视研究：中国人工智能（AI）2024各行业应用研究报告.pdf