arXiv · cs.AI · Elizabeth G. Campolongo, Eric R. Sokol, Marty Downs, Gina Glenne, Gregory E. Maurer, Sydne Record, Dustin R. Rubenstein, Matthew J. Thompson, Christine Laney, Hilmar Lapp, Max Tarjan, Tanya Berger-Wolf · 12 小时前模型评分35
研究者提出 人工智能（AI，Artificial Intelligence）-FAIR 元数据标准与智能体评估流程，推动 AI 就绪的生态科学数据基础设施
From FAIR to AI-FAIR Metadata-First Infrastructure for AI-Enabled Science
导读
研究者将原有 FAIR 原则扩展为 人工智能（AI，Artificial Intelligence）-FAIR 元数据标准，把 AI 科研放进“问题—数据—模型”双向三角框架，让分类修订、标注等衍生价值回流数据生产方。
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 propose an extension of the original FAIR principles to address the needs of AI-ready infrastructure: the AI-FAIR metadata criteria, which place AI-enabled science in the context of a bidirectional Question-Data-Model triangle.”
来源：arXiv · cs.AI · arxiv.org