待验证50% 置信观点精确时间

海量论文缺乏严格复现验证，导致可复现性危机，错误或无法复现的结论进入文献库

1

来源数

50%

置信度

长期有效

时效性

2026/9/13

首次发现

来源

机器学习论文洪流：CS学术体系是否已到崩溃临界点？

涉及实体

可复现性危机concept

相关事实

待验证机器学习领域存在「复现危机」，相当比例的论文结果无法被完全复现74% 相似待验证Anthropic此次事件暴露了其发布流程中缺乏对敏感文件的自动化检查环节70% 相似待验证2022年的一项系统性研究发现，大量 PINN 相关论文难以从论文描述独立复现，部分原因在于该领域尚未形成成熟的代码发布规范67% 相似待验证学术文献检索优先选支持引用溯源的工具（如Perplexity、Consensus、Elicit），返回结果需附带原始论文DOI或期刊链接，否则无法验证信息真实性67% 相似待验证对于重现期超过人类观测历史的极端事件，传统的回测验证方法完全失效66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/918548

API

curl https://kongchang.com/api/v1/knowledge/claims/918548

MCP

get_claim(id=918548)