Jun, 2023

GitHub 上的开放数据：发掘人工智能潜力

PDF
TL;DR本研究分析了 GitHub 平台上的开放数据格局及用户分享数据集的模式，并披露了 GitHub 是世界上最大的开放数据主机之一，研究还公开发布了三个数据集以支持分析。该平台的数据资源对于加速 AI 研究尤为重要。
githubcollaborative software developmentopen data collaborationai researchopen datasets
发现论文，激发创造
  • AI 社群构建未来？对 Hugging Face Hub 上的开发活动进行定量分析

    开源开发者在人工智能（AI）的政治经济中成为关键角色，开放模型开发被认为是封闭源 AI 开发的替代方案。然而，我们对开源 AI 的协作实践仍有有限的了解。本文通过对 Hugging Face（HF） Hub 上的开发活动进行三部分数量分析来填补这一空白，HF Hub 是一个流行的构建、分享和展示模型的平台。

    May, 2024

  • 理解影响 GitHub 代码库受欢迎程度的因素

    本文研究 GitHub 上软件系统的受欢迎程度及影响其受欢迎程度的因素，发现编程语言和应用领域是影响因素之一，同时，基于对 2,279 个受欢迎 GitHub 存储库的时间序列进行聚类，总结出 4 种主要的受欢迎度增长模式。研究成果可帮助开发者和维护者将软件系统建设和发展于竞争激烈的软件市场中。

    Jun, 2016

  • 开放数据与生成型人工智能的场景谱系探索

    开放数据和生成式人工智能的关系及其可能带来的创新潜力是尚未完全探索的领域，本文提出了一种新的开放数据第四波的情景框架，其中列举了开放数据与生成式人工智能可能相交的一些情景并探讨了实现这些情景所需的数据质量和出处方面的要求，同时指出为了充分利用生成式人工智能从开放数据中获得更多的见解，并改善开放数据获取与使用，数据持有者首先必须在五个关键领域取得进展：增加透明度与文档化、维护质量与完整性、促进互操作性和标准化、提高可访问性与易用性、解决伦理考虑。

    May, 2024

  • 神奇的数据及如何查询它们

    本文介绍了一个用于不同数据集整合和查询的统一框架，并在计算机视觉数据集中展示了其在不同情景下的优势。

    Jan, 2022

  • 人工智能和美国专利商标局开放数据的最新发展

    本文介绍了有关人工智能技术在专利分析、经济学和诉讼工具方面的应用和研究，并阐明了 USPTO 数据产品在该领域的重要性和案例。

    Jul, 2022

  • GitRank: 一个排名 GitHub 存储库的框架

    本文介绍一种名为 GitRank 的框架，利用已知的代码质量度量方法和 GrimoireLab 工具包的排名系统，对开源代码库进行三个不同标准的排名，以评估开源代码库的质量。

    May, 2022

  • 关于人工智能开放性的思考：善意是否会被滥用？

    开源模型、数据集、恶意用途、技术适应和社会后果

    Mar, 2024

  • 区块链上的去中心化与协作型人工智能

    本研究提出了一种基于区块链的框架，通过智能合约共同构建数据集并持续更新模型，使其在公共场所免费使用，并采用金融和非金融激励机制以保证数据的准确性。

    Jul, 2019

  • 人工智能工具对澳新银行工程的影响 —— 关于 GitHub Copilot 在企业环境中的实证研究

    在 ANZ 银行的软件工程实践中，探索了将人工智能工具集成到软件工程中的方法。通过使用 GitHub Copilot 进行实验，并在大规模使用中观察了其对生产力、代码质量以及安全性的影响，结果表明 GitHub Copilot 在大规模软件工程环境中非常有效。

    Feb, 2024

  • 数据集：自然语言处理社区的共享库

    该研究论文探讨了一个名为 Datasets 的 NLP 数据集库，旨在通过标准化终端用户接口、版本控制和文档，为 NLP 研究人员提供一个小型数据集至互联网规模文集均能使用的轻量级前端，并采用分布式、社区驱动的方法添加数据集和记录使用情况。经过一年的发展，在该库中已经包含超过 650 个独特的数据集，有 250 多名贡献者，并帮助支持了一系列新颖的交叉数据集研究项目和共享任务。

    Sep, 2021