Der Artikel eines Autors wurde von einem Workshop abgelehnt, weil er eher wie ein technischer Bericht als ein Forschungspapier klang, obwohl er das übliche Computer-Vision-Format befolgte. Er bittet die Gemeinschaft um ihre Meinung, um häufige Fehler zu verstehen, die zu einer solchen Bewertung führen.
Der Nutzer fragt, ob bei ICML ein erhöhter Druck auf Area Chairs (ACs) besteht, um sicherzustellen, dass Gutachter finale Begründungen liefern und Konsens erzielen. Sie bemerken eine Diskrepanz: Für von ihnen begutachtete Papiere gab es aktives AC-Engagement und finale Begründungen, während bei ihrer eigenen Einreichung trotz einiger Meinungsverschiedenheiten in den Bewertungen völlige Stille und fehlende Begründungen herrschten.
Der Benutzer erwägt aufgrund negativer Begutachtungserfahrungen einen Wechsel von ML-Konferenzen zu Fachzeitschriften und sucht Ratschläge jenseits von JMLR und TMLR. Sie interessieren sich für Zeitschriften wie Neurocomputing und Neural Networks und fragen sich nach deren Selektivität und Qualität, trotz ihres Q1-Status in der konferenzorientierten ML-Welt.
Ein Benutzer sucht Rat zur Anonymisierung von Code-Repositories für KI/ML-Konferenzbeiträge. Er fragt insbesondere, ob die Erstellung eines separaten anonymen GitHub-Kontos eine gängige Praxis ist.
Ein Forscher fragt, ob man bei Einreichungen zu ML-Konferenzen, wie NIPS, aufgrund von Ideenklau-Bedenken auf das Teilen von Code verzichten und diesen erst nach Annahme veröffentlichen sollte. Er bemerkt, dass Gutachter Code erwarten, aber einige Einreichungen ohne diesen in letzter Zeit nicht beanstandet wurden.
Ein Benutzer bemerkt, dass die „On-Hold“-Dauer für arXiv-Einreichungen erheblich zugenommen hat, von ein paar Tagen auf etwa zwei Wochen. Er spekuliert, dass dies auf eine Flut von KI-generierten Low-Effort-Papieren zurückzuführen ist, und fragt, ob andere das gleiche Problem haben.
KI-Forschungsarbeiten werden besser, was ein großes Problem für Wissenschaftler darstellt. Eine Arbeit aus dem Jahr 2017 über statistische Analysen epidemiologischer Daten erhielt ungewöhnlich viele neue Zitationen, was einen Professor dazu veranlasste, deren Gültigkeit zu untersuchen.
ArXiv wird Forscher ein Jahr lang sperren, wenn ihre Artikel "unwiderlegbare Beweise" für ungeprüfte LLM-Generierung, wie halluzinierte Referenzen, enthalten. Zukünftige Einreichungen dieser Autoren benötigen zudem die Annahme durch eine anerkannte Fachzeitschrift.
Dieses Papier schlägt einen zweischichtigen Zertifizierungsrahmen für Publikationen vor, der die Bewertung der Wissensqualität von der menschlichen Beteiligung in KI-gestützter Forschung trennt. Dies ermöglicht es Publikationssystemen, durch Pipelines generierte Arbeiten konsistent und transparent zu handhaben und Beiträge zu kategorisieren.
Dieses Papier spricht sich gegen den Einsatz aktueller KI-Systeme für die Peer-Review aus und identifiziert zwei kritische Probleme: einen "Schwarm-Effekt", der die Perspektivenvielfalt reduziert, und die leichte Manipulierbarkeit von KI-Bewertungen durch Umformulierung von Papieren. Ein empirischer Vergleich von menschlichen und KI-generierten Reviews zeigt, dass KI-Gutachter anfällig für stilistische Änderungen statt für wissenschaftliche Ergebnisse sind, was die Notwendigkeit von Unbestechlichkeit und Bewertungsdiversität für die Automatisierung unterstreicht.
Um usuário enfrentou um erro de 'Corrupt PDF: Parser error' ao validar um manuscrito para submissão no CVPR usando o IEEE PDF eXpress, apesar de seguir as regras de formatação, e está buscando ajuda.
Ein Nutzer äußert Bedenken bezüglich eines angeblichen einflussreichen chinesischen Netzwerks auf KI-Konferenzen (wie IJCAI), das Vetternwirtschaft betreibt und Papiere von nicht-chinesischen Autoren ablehnt. Der Autor teilt eine persönliche Erfahrung, bei der ein Gutachter die Zitierung eines Papers mit einem chinesischen Hauptautor forderte.
Der Titel deutet auf eine Diskussion darüber hin, wie die 'Konferenzlotterie-Kultur' die Forschungsqualität beeinträchtigen könnte. Er befasst sich mit der Besorgnis, dass der Auswahlprozess bei Konferenzen den wissenschaftlichen Fortschritt negativ beeinflusst.