同一篇论文,不同免费平台结果天差地别?我们找到了背后的原因!
在当今学术研究领域,获取论文资源的方式多种多样,但研究者们常常遇到一个令人困惑的现象:同一篇论文在不同免费平台上的呈现结果可能天差地别。有的平台显示全文可下载,有的仅提供摘要;有的平台标注了准确的引用数据,有的则连作者信息都残缺不全。这种差异不仅影响研究效率,
在当今学术研究领域,获取论文资源的方式多种多样,但研究者们常常遇到一个令人困惑的现象:同一篇论文在不同免费平台上的呈现结果可能天差地别。有的平台显示全文可下载,有的仅提供摘要;有的平台标注了准确的引用数据,有的则连作者信息都残缺不全。这种差异不仅影响研究效率,
一项跨学科的大规模研究揭示了科学家使用人工智能(AI)撰写手稿的普遍程度,自OpenAI的文本生成聊天机器人ChatGPT横空出世以来,AI辅助论文写作呈稳定增长趋势。在某些领域,此类生成式AI的使用几乎已成为常规操作,高达22%的计算机科学论文显示出大语言模
人工智能正在颠覆学术出版的完整性。一项最新研究揭示,ChatGPT等大语言模型工具被大量用于生成几乎相同的"克隆"研究论文,这些论文能够轻易通过标准抄袭检测系统,并已有数百篇成功发表在同行评议期刊上。这一发现为科学文献的可信度敲响了警钟。
9月17日深夜,今年1月引发全球轰动的开源AI大模型DeepSeek-R1,在经过8个多月严格的同行评审之后,登上国际顶尖学术期刊《自然》杂志封面,成为全球首个经过同行评审的大语言模型。
过去判断人工智能是否“聪明”,我们总爱提一些听起来很厉害的标准:能不能解高考题?能不能赢奥赛?能不能帮我们洗碗做饭?但这些本质上都还是“人类能力复制”。而真正的“超级智能”,应该是能推动科学进程、打破人类认知边界的存在。
在讨论 AGI 或者通用机器人定义时,人们往往会自然联想到一些直观的衡量标准,比如 AI 能否解出高考题、在国际数学奥林匹克(IMO,International Mathematical Olympiad)上获得金牌,或者机器人能否胜任家务。这些标准固然能体现
在讨论 AGI 或者通用机器人定义时,人们往往会自然联想到一些直观的衡量标准,比如 AI 能否解出高考题、在国际数学奥林匹克(IMO,International Mathematical Olympiad)上获得金牌,或者机器人能否胜任家务。这些标准固然能体现
在 “抢发成果” 与 “学术优先权” 的双重需求下,预印本平台已成为高校教师分享研究的重要渠道。arXiv 作为物理、数学等基础学科的 “老牌平台”,2025 年单月投稿量突破 1.8 万篇;Research Square 则凭借 “全学科覆盖 + 同行评议可
期刊 预印本 researchsquare arxiv 优先 2025-09-13 16:20 3
为此,西湖大学自然语言处理实验室推出了首个AI生成学术成果的开放预印本平台AiraXiv,以及首个模拟人类专家思考链的AI审稿人系统DeepReview。
本科生即便时间有限,也能通过高效策略实现科研“突击”。关键路径包括:选准方向(兴趣+可行性+产出),与导师高效沟通(具体任务、主动反馈),技能速成(目标导向、边学边用),项目执行(拆解成可交付的小单元、重视数据质量),以及成果包装(海报、报告、预印本、代码仓库
8月28日,在2025中国国际大数据产业博览会上,国家数据局发布了首批高质量数据集建设先行先试工作名单。中国人民大学申报的“哲学社会科学学术文献高质量数据集”入选该名单。
8月28日,在2025中国国际大数据产业博览会上,国家数据局发布首批高质量数据集建设先行先试工作名单。经教育部推荐、国家数据局评审,中国人民大学申报的“哲学社会科学学术文献高质量数据集”成功入选。
当她点击链接时,她的警惕性增加了。这份手稿于7月发布在心理科学非同行评议研究网站PsyArXiv上,只有几页长,只列出了一位作者,而且没有列出其所属机构。比利时鲁汶天主教大学的科特利表示,文中描述的人工智能(AI)实验“相当离谱”。
该平台是国内首个以汉学为核心的学术期刊矩阵和数字资源平台,以“新汉学”“大汉学”为核心理念,由学界自主管理、合作共建,旨在促进世界汉学及中国研究成果交流,助力全球汉学繁荣。
6月5日至7日,第九届世界汉学大会在中国人民大学深圳研究院宝安院区举行。本届大会以“理解中国:人工智能时代的汉学研究”为主题,由教育部中外语言交流合作中心和中国人民大学共同主办,来自50余个国家和地区的近200名汉学家共同探讨汉学在人工智能时代的创新发展之路。
研究诚信风险指数,上个月在 arXiv 的预印本中描述1,根据机构被撤回的论文数量以及从学术数据库 Scopus 和 Web of Science 中除名的期刊中发表的论文数量对机构进行分类。研究人员表示,该指数可以改进目前奖励研究产出数量而不是质量的大学排名
刷着朋友圈突然跳出"暴雨预警"的热搜,你点开评论区时,手机屏幕会不会提前知道你即将涌起的焦虑?这听起来像科幻电影的场景,却正在成为现实。最近arXiv预印本平台上线的论文《基于大语言模型的多视角角色扮演框架进行情境感知的情绪预测》,就像在社交网络的汪洋里投下一
清晨六点的健身房里,教练正在回看学员跳绳视频。他暂停画面:"你方才手腕发力点偏了。"手指滑动进度条时,停顿出现在第五秒;换个角度看,又觉得该标在第七秒。这种模糊地带正是视频动作边界预测的痛点——就像用橡皮擦描边,边界越模糊,AI学习越吃力。
五月的最后几天,arXiv上突然冒出一篇没正式发表的预印本论文,标题长得像学术界的绕口令——《用大语言模型生成多样化关系抽取训练样本》。但剥开那些术语外壳,这事儿其实特有意思:AI现在不仅能写诗聊天,居然开始学着给自己造训练数据了,而且专挑关系抽取(RE)这块
2025年5月27日,一篇尚未正式发表的arXiv预印本论文悄然上线,标题直指强化学习领域的核心痛点——《Breaking the Performance Ceiling in Complex Reinforcement Learning requires I