立场：拥抱机器学习中的负面结果
机器学习
2024-06-07 v1
摘要
提出新颖机器学习方法的出版物通常主要根据其在选定问题上展现的预测性能来评价。在这篇立场论文中，我们认为仅凭预测性能并不能很好地指示一篇出版物的价值。如此使用它甚至会助长问题，例如机器学习研究社区整体的低效率以及为研究人员设定错误的激励。因此，我们呼吁发表“负面”结果，这有助于缓解其中一些问题，并改善机器学习研究社区的科学产出。为了支持我们的立场，我们阐述了发表负面结果的优点，并为社区提供了具体措施，以迈向使负面结果发表常态化的范式。
引用
@article{arxiv.2406.03980,
title = {Position: Embracing Negative Results in Machine Learning},
author = {Florian Karl and Lukas Malte Kemeter and Gabriel Dax and Paulina Sierak},
journal= {arXiv preprint arXiv:2406.03980},
year = {2024}
}