技能 人工智能 AI论文可复现性与可用性指南

AI论文可复现性与可用性指南

v20260724
prai-artifact-evaluation
本指南为投稿《模式识别与人工智能》的作者提供参考,详细指导如何为论文撰写诚实、准确的可用性声明。重点在于组织可供外审复验的代码、数据和模型,确保研究结果的可信度和可复现性,避免夸大声明。
获取技能
176 次下载
概览

《模式识别与人工智能》代码与数据可用性

本技能帮助为《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence, PR&AI) 处理 制品(代码/数据/模型)可用性。需要说明现状:本刊作为中文期刊,是否设立类似部分英文会议的独立制品 评审徽章(artifact badge) 制度 待核实;不要臆断有 ACM 式徽章。本技能给的是稳妥、诚实的可用性 做法。事实核验日期 2026-07-09,见 resources/official-source-map.md

一、现状说明(不臆断徽章)

  • 本刊是否有正式的制品评审流程与徽章 待核实,以官网当期须知为准。
  • 无论是否有徽章,诚实的可用性声明 + 可核验的复现材料都能增强外审信任,是稳妥做法。
  • 不要在论文中宣称获得某种"徽章",除非本刊确有该制度并授予(避免虚假陈述)。

二、可用性声明怎么写

在论文(可用性声明/数据可得性部分)用一段说明:

  • 代码:是否公开、托管位置(打 tag/固定 commit)、许可。
  • 数据:公开数据给来源与划分;自采数据说明获取方式与许可;不可公开说明原因(隐私/版权)与 替代验证途径(如提供样例、统计、脱敏子集)。
  • 模型/权重:是否提供、版本标识。
  • 一致性:声明内容必须与实际提供的材料一致,不夸大。

三、可核验复现仓库(供外审)

组织成外审能快速核验的形式(与 prai-reproducibility 一致):

artifact/
  README.md          # 环境、一键复现、结果对照
  requirements.txt
  configs/           # 含随机种子
  scripts/run_all.sh
  data/README.md     # 数据获取与划分
  results/           # 期望产物

四、不可公开时的诚实处理

情形 稳妥做法
数据含隐私/版权 提供脱敏子集或统计,说明完整数据获取途径
代码含第三方受限组件 公开可公开部分,说明受限组件与替代
权重过大 稳定托管 + 校验和,或提供推理脚本
完全不可公开 坦陈原因,提供尽可能的可核验证据

诚实的"部分可用 + 说明"远胜过"声明可用却无法复现"。

五、与审稿匿名协调

  • 若本刊外审要求作者信息与正文分离(是否双盲 待核实),审外阶段的制品要去身份:清理仓库 用户名、机构路径、邮箱、致谢显名,可用匿名托管。
  • 录用后再切换到正式署名版本(见 prai-camera-ready)。

六、许可与合规

  • 为代码选明确开源许可(如 MIT/Apache-2.0),数据遵守来源许可。
  • 使用第三方数据集/预训练模型遵守其使用条款并正确引用。
  • 不发布侵犯隐私或版权的数据。

七、制品与实验/复现的关系

  • 制品是 prai-experiments 结果的可核验支撑、prai-reproducibility 材料的对外呈现。
  • 可用性声明中的复现步骤应与复现包 README 一致、能真的跑通。

八、常见问题

问题 后果 规避
声明可用但链接失效/无法复现 信任受损 投稿前验证链接与一键复现
宣称获得不存在的徽章 虚假陈述 不臆断徽章制度(待核实)
制品泄露作者身份(若需匿名) 违反匿名 去身份后再提交
数据许可不清 合规风险 标注来源与许可

九、自检清单

  1. 可用性声明是否与实际材料一致、不夸大?
  2. 复现仓库能否在干净环境跑通并对上主表?
  3. 不可公开部分是否给了原因与替代验证?
  4. 审外制品是否按匿名要求去身份(若需,待核实)?
  5. 许可与第三方合规是否清楚?
  6. 是否避免了宣称不存在的徽章?

十、与其他技能衔接

  • 上游 prai-reproducibility 建材料、prai-experiments 出证据;投稿声明核对见 prai-submission; 录用后正式版见 prai-camera-ready

十一、可用性声明的写法示例

在《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence, PR&AI) 论文的可用性/数据 可得性部分,可参照如下诚实写法(据实调整,不夸大):

代码可用性:本文方法的实现代码已在 <稳定托管地址> 公开(版本 tag v1.0,commit <哈希>),
采用 <MIT/Apache-2.0> 许可。
数据可用性:实验使用的 <数据集A、B> 为公开数据集,来源见参考文献[..];划分脚本随代码提供。
自采数据 <C> 因涉及隐私暂不公开,提供脱敏样例与统计信息,完整数据可依 <途径> 申请获取。
模型权重:预训练权重来源为 <..>,微调权重随代码托管并提供校验和。

关键是"声明的每一句都能兑现":链接可访问、复现步骤能跑通、不可公开处给了替代验证。

十二、为什么诚实优于漂亮

审稿人对"声明全部可用却无法复现"的容忍度很低——这比"部分可用 + 清楚说明"更伤信任。与其为好看 而夸大可用性,不如:把能公开的做扎实(一键复现、打 tag、许可清楚),把不能公开的说清楚(原因、 替代验证途径)。诚实的部分可用配上可核验的复现,往往比空洞的"完全可用"声明更能支撑外审对结果的 信任。这与本刊只发表具创新价值且经得起检验的成果的定位一致。

十三、制品在评审各阶段的角色

制品在《模式识别与人工智能》评审的不同阶段承担不同角色:外审阶段,可核验的复现材料帮助专家确认 "结果可信、方法可复现",减少质疑;修回阶段,可用制品让补做实验的说服力更强(见 prai-author-response);录用后,切换到正式署名版本并与最终论文一致(见 prai-camera-ready)。本刊 是否有独立徽章制度 待核实,但无论有无,"诚实声明 + 可核验材料"这条主线在各阶段都成立。

输出格式

[PR&AI 可用性] 就绪 / 待完善
[徽章制度] 待核实(不臆断)
[代码] 公开? 托管/tag/许可:___
[数据] 公开/部分/不可公开 + 替代验证:___
[一致性] 声明与实际材料一致:是/否
[复现验证] 干净环境跑通对上主表:是/否
[匿名(若需)] 制品是否去身份:___
[待完善项] ___
信息
Category 人工智能
Name prai-artifact-evaluation
版本 v20260724
大小 6.97KB
更新时间 2026-07-29
语言