待验证50% 置信事实精确时间

ML领域长期以会议论文而非期刊论文作为学术评价的主要标准，这与物理、数学等传统学科以期刊为核心的评价体系形成鲜明对比

1

来源数

50%

置信度

长期有效

时效性

2026/10/7

首次发现

来源

没有顶会论文，还值得申请顶级ML博士吗？

涉及实体

机器学习concept

相关事实

待验证在某些会议上工业实验室的论文数量甚至超过传统学术机构65% 相似待验证影响因子、h指数等主流学术评价指标天然偏向引用率高的基础发现类论文，使工艺开发类研究处于劣势64% 相似待验证在北美大多数统计、数学、经济学等量化社科系，tenure评审主要看重同行评审期刊论文的数量与质量62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/982803

API

curl https://kongchang.com/api/v1/knowledge/claims/982803

MCP

get_claim(id=982803)