Awesome Auto Research Hub 论文 · 数据集 · 项目
← 返回论文列表

RATIO:面向科学文献中类型化构思操作检索的基准

arXiv 2026 32.3 method

TLDR

RATIO是面向科学文献的检索基准,用Address/Broaden/Specify三种构思操作定义相关性,由远程监督和人工/LLM审查构建。

评分理由

The paper presents a novel, large-scale benchmark with clear methodology and empirical evaluation, showing fine-tuning improves retrievers. However, its focus is on retrieval operations, not full automated discovery or experimentation, limiting relevance to broader AI-scientist keywords.

Read-first 评分解释

综合优先阅读分 32.3,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 28。

近期性 8%
100

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:2026

方法质量 25%
50

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、实验

可复现性 25%
30

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%
9.5

将配置的研究关键词与标题、摘要、标签和分析文本进行匹配。 匹配关键词数:2

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:29。

关键词评分

AI for scientific research
7
research automation
4
automated research
3
AI scientist
2
automated scientific discovery
2
autonomous research agent
2
literature review agent
2
scientific discovery agent
2
survey generation
1
automated experimentation
1
experiment design agent
1
paper writing agent
1

标签