AI研究面临可复现性危机,影响政策制定。论文指出,尽管AI论文数量迅速增长,但复现率较低。为确保有效治理,需提高可复现性标准,建议采取预注册、提供计算资源和报告负面结果等措施。
药物研发效率低,AI有潜力降低时间和成本。数据质量影响AI学习,需标准化实验报告。负面结果被忽视,影响AI模型准确性。制药公司应共享数据,促进AI药物发现。
本研究提出了一种名为CoGS的方法,用于生成可实现的反事实解释,能够从负面结果生成积极结果的解决方案,并明确因果路径,确保解释的现实可信性。初步结果显示其在建模因果依赖关系方面具有潜在影响。
完成下面两步后,将自动完成登录并继续当前操作。