AI 中的严谨性：更广泛、负责任的 AI 信息化观念下的严谨性实践
计算机与社会
2025-11-27 v2 人工智能
机器学习
摘要
在 AI 研究与实践中，严谨性主要被理解为方法论严谨性——即数学、统计或计算方法是否正确应用。我们认为，这种狭义的严谨性观念导致了由负责任 AI 社区提出的诸多担忧，包括对 AI 系统能力的夸大宣称。我们的立场是，针对 AI 研究与实践，需要更广泛的严谨性观念。我们认为，这种观念除了更广泛地理解（1）方法论严谨性外，还应包括与（2）背景知识如何决定研究方向有关的因素（认识论严谨性）；（3）学科、社区或个人规范、标准或信念如何影响工作内容有关的因素（规范性严谨性）；（4）理论建构是否清晰阐述有关的因素（概念严谨性）；（5）报告内容及方式有关的因素（报告严谨性）；以及（6）现有证据推论是否得到充分支持有关的因素（解释性严谨性）。通过这一实践，我们还为研究人员、政策制定者、记者及其他利益相关者之间关于 AI 社区工作的对话提供了有用的语言和框架。
引用
@article{arxiv.2506.14652,
title = {Rigor in AI: Doing Rigorous AI Work Requires a Broader, Responsible AI-Informed Conception of Rigor},
author = {Alexandra Olteanu and Su Lin Blodgett and Agathe Balayn and Angelina Wang and Fernando Diaz and Flavio du Pin Calmon and Margaret Mitchell and Michael Ekstrand and Reuben Binns and Solon Barocas},
journal= {arXiv preprint arXiv:2506.14652},
year = {2025}
}
备注
21 pages, 1 figure, 1 table, accepted at NeurIPS'25 position papers track