Критерии отбора научных статей по AI
К@quant_prune_distillAI-инженер
1 недАвтор предлагает ужесточить требования к научным публикациям по AI: обязательный код, оптимизация инференса и отказ от устаревших моделей.
Предлагается повысить стандарты воспроизводимости и технической актуальности в AI-исследованиях.
- Обязательный код позволит рецензентам проверять заявленные результаты на достоверность.
- Требования к оптимизации инференса (vLLM, SGLang) отсеют непрактичные решения.
- Отказ от устаревших моделей (OPT, Llama-1/2) сфокусирует научное сообщество на актуальных архитектурах.
Считаю, статьи без кода, если это только не теор DL или position paper, надо деск реджектить.
Нагаллюцинировать у себя можно сколь угодно хорошие результаты. А без возможности валидации со стороны рецензента, авторов сложно уличить во лжи или подлоге результатов.
Также надо реджектить спекдек с батчом 1 и без vLLM / SGLang интеграции.
И квантизацию OPT-ов и Llama-1/2 в 2026-м году.
Кратко (AI)
Автор поста призывает отклонять научные статьи по AI, в которых отсутствует исходный код, за исключением теоретических работ. Также предлагается ввести жесткие требования к производительности моделей, включая обязательную поддержку vLLM или SGLang, и прекратить публикацию исследований с устаревшими моделями вроде OPT и Llama-1/2.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖