現(xiàn)在通常會遺漏哪些實驗細節(jié)，您希望看到您所在領域的科學論文中包含哪些內(nèi)容？如何添加這些細節(jié)有助于更可重復的研究？

這是一個很好的問題。

我的研究領域是應用機器學習（AML）。我所在地區(qū)的許多論文都使用現(xiàn)有的機器學習算法/模型，并將其應用于新穎且通常非常有趣的應用程序。我希望在我的領域的科學論文中看到的第一件事是開源代碼的鏈接?，F(xiàn)在這對于行業(yè)跟蹤報道來說可能很難，但我認為它應該成為研究跟蹤論文的強制性要求。機器學習的重要會議NeurIPS最近朝著這個方向邁出了積極的一步。

我想看到代碼的原因是：

1. 如果我相信你的主張，特別是如果它是一篇深度學習論文 - 我希望能夠重現(xiàn)結果，除非它是一篇理論論文并且在數(shù)學上證明了這一主張（但這不屬于AML）。
2. 它幫助我引用你的論文 - 特別是如果它是一篇與我的領域直接相關的論文，它可以幫助我將你的結果與你的結果進行比較，并將其作為基線包含在論文中。
3. 科學論文的代碼應該有詳細記錄，例如，如果它在github上發(fā)布。我知道當前的系統(tǒng)絕不會激勵研究人員發(fā)布或記錄代碼，因此對于研究人員來說這是一個開銷，他們大多數(shù)都是學生，并且有學術上的競爭對手，所以為什么要浪費時間發(fā)布/記錄。這也是許多報紙陷入困境并且沒有用的原因。

寶寶起名 起名