论文新意度判断方法讨论
新意度判断方法的讨论#
本文内容主要是李沐老师视频的学习总结。
一篇工作的价值 = 新意度 * 有效性 * 问题大小
- 有效性: 实验结果好坏
- 问题大小: 该问题下有多少研究者,发了多少相关论文
- 新意度: 相比之前的工作新奇程度???
而审稿人通常将复杂度,困难程度,技术性与新意度关联起来,具体表现如下。
- 复杂度: 审稿人通常将实现简单的想法视为无新意,即便该想法比较有效。
- 困难度: 审稿人认为文章中的想法及想法实现极为困难,作者为这篇论文付出极大的努力才能认为具有新意度。例如,模型复杂,实验非常全面,所有相关数据集均进行了实验。
- 惊奇度: 没有人想到过,看到这个想法很惊讶。审稿人认为看到这个想法没有惊讶,就认为没有新意度。
- 技术新意度:审稿人认为技术创新,模型创新才是创新。而改进数据集收集方法,旧技术应用到没人做过的新问题旧缺乏新意度
- 有效性和价值:审稿人认为一个方法提出之后展示没有应用的地方,也是没有新意度。
原文链接:https://perceiving-systems.blog/en/post/novelty-in-science
参考#
https://www.bilibili.com/video/BV1ea41127Bq?spm_id_from=333.999.0.0
作者:lif323
出处:https://www.cnblogs.com/lif323/p/15939224.html
版权:本作品采用「署名-非商业性使用-相同方式共享 4.0 国际」许可协议进行许可。
欢迎与作者讨论
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· winform 绘制太阳,地球,月球 运作规律
· AI与.NET技术实操系列(五):向量存储与相似性搜索在 .NET 中的实现
· 超详细:普通电脑也行Windows部署deepseek R1训练数据并当服务器共享给他人
· 【硬核科普】Trae如何「偷看」你的代码?零基础破解AI编程运行原理
· 上周热点回顾(3.3-3.9)