待验证60% 置信观点精确时间

科研领域的复现危机根源之一是分析代码与原始数据的不透明

2

来源数

60%

置信度

长期有效

时效性

2026/7/8

首次发现

来源

Claude Science发布：Anthropic专为科研打造的AI全流程助手

twitterclaudeai2026/6/30

相关事实

待验证多项调查显示，大量已发表研究的结果无法被独立复现，其中代码和环境配置的缺失是主要原因之一。70% 相似待验证科学公地的侵蚀是渐进的制度漂移，而非单一事件，表现为数据授权条款收紧、模型细节保密和评价指标偏移的累积效应。68% 相似待验证机器学习领域存在「复现危机」，相当比例的论文结果无法被完全复现68% 相似待验证数字复原面临挑战：碎片的缺失可能导致推测成分过多，不同学者对复原方案或有争议。67% 相似待验证面对难以辨别写作来源的现实，会议可能会更看重开源代码、可复现实验、原始数据等硬性证据来过滤水稿67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/295428

API

curl https://kongchang.com/api/v1/knowledge/claims/295428

MCP

get_claim(id=295428)