使AI科学家能够识别创新：一种评估新颖性的领域无关算法

arXiv 2025 39.8 method

TLDR

一种无需专家标注、跨领域SOTA性能的研究想法新颖性评估领域无关算法（RND）。

评分理由

Strengths include a scalable test set creation method and domain-invariant novelty assessment with strong AUROC scores. Weaknesses: limited to novelty evaluation, not full automated discovery; only two domains tested.

Read-first 评分解释

综合优先阅读分 39.8，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 29。

近期性 8%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基准、评估、指标、结果

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

主题相关性 42%

24.2

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：AI scientist、automated scientific discovery、autonomous research agent、automated research、literature review agent、survey generation、automated experimentation、experiment design agent、AI for scientific research、paper writing agent、research automation、scientific discovery agent

研究版图角色

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：32。

关键词评分

AI for scientific research

AI scientist

research automation

automated scientific discovery

automated research

scientific discovery agent

autonomous research agent

literature review agent

survey generation

automated experimentation

experiment design agent

paper writing agent

资源

论文