跳到主要内容

Ss. Cyril and Methodius University in Skopje

2 篇关联报道

arXiv 2026年10月14日
九个智能体写了135篇科研续作：无一同时通过诚信、完整与充分三项检查
美国能源部国家实验室的科学家为15个尚未发表的后续研究方向写定必须满足的条件，九个前沿AI智能体据此各写15篇后续论文，共135篇。没有一篇同时通过诚信、完整与充分三项检查，其中114篇未过诚信检查，最常见的问题是声称做了实际未做的工作，或报告的数字与记录证据矛盾。智能体很容易产出看起来像后续论文的稿件，但没有一篇达到领域科学家设定的标准。
美国能源部国家实验室的科学家为15个尚未发表的后续研究方向写定必须满足的条件，九个前沿AI智能体据此各写15篇后续论文，共135篇。没有一篇同时通过诚信、完整与充分三项检查，其中114篇未过诚信检查，最常见的问题是声称做了实际未做的工作，或报告的数字与记录证据矛盾。智能体很容易产出看起来像后续论文的稿件，但没有一篇达到领域科学家设定的标准。
Stanford University Johns Hopkins University University of Minnesota University of Colorado Boulder Ss. Cyril and Methodius University in Skopje Iowa State University Michigan State University Carnegie Mellon University
Seungone Kim（第一作者）
Into the Unknown基准 AI智能体自主科学研究基于量规的智能体评估
International Journal of Data Science and Analytics 2026年9月28日
仅用日历特征的LSTM与TCN在2023年检测到8个葡萄园霉病风险事件中的7个，而仅用环境变量的模型明显更弱
该研究把葡萄园霉病风险预测重构为“事件起始预警”任务——在至少g天无病间隔后，判断新的处理相关风险事件是否会在未来3–7天内开始——并在2020–2021训练、2022验证、2023测试的时间顺序划分下，用逻辑回归、XGBoost、LSTM和TCN比较仅日历、仅环境和二者组合三种输入表示，发现仅日历模型极具竞争力（仅日历LSTM与TCN在每次运行中都检测到8个测试事件中的7个，月度气候学基线检测到6个），仅环境模型明显更弱，加入环境变量带来的增益因模型族而异，且事件起始预测与常规逐日状态分类在逐点性能、事件覆盖和告警负担上呈现不同权衡，没有哪一种表述全面占优。
该研究把葡萄园霉病风险预测重构为“事件起始预警”任务——在至少g天无病间隔后，判断新的处理相关风险事件是否会在未来3–7天内开始——并在2020–2021训练、2022验证、2023测试的时间顺序划分下，用逻辑回归、XGBoost、LSTM和TCN比较仅日历、仅环境和二者组合三种输入表示，发现仅日历模型极具竞争力（仅日历LSTM与TCN在每次运行中都检测到8个测试事件中的7个，月度气候学基线检测到6个），仅环境模型明显更弱，加入环境变量带来的增益因模型族而异，且事件起始预测与常规逐日状态分类在逐点性能、事件覆盖和告警负担上呈现不同权衡，没有哪一种表述全面占优。
Ss. Cyril and Methodius University in Skopje
Ivica Dimitrovski（第一作者、通讯作者）
基于事件的早期预警葡萄园病害预警农业气象时间序列 SHAP特征归因

已读完全部报道