arXiv · cs.AI · MiHyeon Kim, Ji-Eun Han, Eunkyeong Lee, Jeehyun Lim, Hwijung Ryu · 11 小时前模型评分26
SciGraphSelect：用知识-推理图实现可审计的科学数据筛选
SciGraphSelect: Auditable Scientific Data Selection through Knowledge--Reasoning Graphs
导读
SciGraphSelect 提出一种基于知识-推理图的可审计科学数据筛选框架，通过概念覆盖、关系与路径共支撑及方向对齐为候选文档打分。该框架将领域知识、可复用推理操作和参考文献佐证的关系组织为带类型图，并公开每次筛选背后的证据，使科学训练语料的上游构建过程可追溯。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：科学研究
事件类型：研究发布
证据摘录
- “We introduce SciGraphSelect, a reference-grounded framework for auditable scientific data selection.”
来源：arXiv · cs.AI · arxiv.org