NeurIPS 2026论文呼吁提升机器学习研究可验证性

1. 12:00
   arXiv 机器学习

   若无法强制可复现性，机器学习研究应转向加强可验证性

   针对机器学习领域实验结果难以复现、开源代码缺失阻碍科研进展的问题，NeurIPS 2026 接收的一篇观点论文对该现状进行了量化分析。论文提出在难以强制推行完全可复现性的情况下，研究界应转向提升实验结果的可验证性与可核查性，并给出了具体改善方案。目前该研究的相关代码与支持材料均已公开。

当前热度 5·可比范围峰值 5（10月1日 12:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。