本文探讨了大型科技公司利用资助学术研究的方式来影响传播和公共话语，并比较了 Big Tobacco 和 Big Tech 在此方面的类似策略和作用。因此，我们认为有必要讨论是否应该接受 Big Tech 的资助，以及应该制定什么样的限制或条件。

Sep, 2020

通过研究社交媒体影响者在提高机器学习研究可视性方面的作用，本文探讨了社交媒体对论文引用次数的影响。研究发现，得到这些影响者认可的论文的引用次数显著增加，中位数引用次数比对照组高 2-3 倍。此外，研究还探讨了受关注作者的地理、性别和机构多样性。这些发现突显了社交媒体在学术交流中的扩大影响，并强调了当今数字学术环境中不断发展的生态系统的重要性。

Jan, 2024

人工智能是我们时代最重要的技术之一，本文通过比较学术界和企业界合作的科研出版物，利用科学计量学数据来衡量企业对人工智能研究的影响，并发现由企业合著的出版物获得更高的引用次数和在线关注度，最终提出了保持学术界与工业界在人工智能研究领域和谐平衡的建议。

Oct, 2023

通过分析人工智能会议上发表的论文，我们深入了解了人工智能和机器学习的演变过程，以及研究人员的影响和领导力，得出了一些对于理解和衡量人工智能演化的新见解。

May, 2022

本研究通过对 57 个顶级计算机科学会议的 171394 篇论文的研究发现，自 2012 年深度学习的出现以来，大型技术公司和精英大学已经增加了在主要人工智能会议上的参与度。然后，本文通过实证证明大型公司和非精英大学之间的分歧由于计算能力或计算机设备的缺乏，这使得机器学习技术的发展在民主化方面面临阻碍和公平性问题，从而强调了民主知识生产缺乏对专业设备的访问。

Oct, 2020

人工智能（AI）在工业和学术界取得了巨大的发展。然而，工业界最近取得的令人瞩目的进展震撼了世界，这使得我们对学术研究在这一领域中的作用有了新的认识。我们通过对过去 25 年间工业界和学术界在 AI 领域产生的影响和类型进行了界定，并建立了一些模式。我们发现，由纯粹由工业研究人员组成的团队发表的论文往往会受到更多的关注，更有可能被高度引用和具有颠覆性引用，而且是几倍于产生最先进模型的可能性。相比之下，我们发现纯粹由学术研究团队发表的论文占了 AI 研究的大部分，并且往往产生更高的创新性工作，其单篇论文成为非传统和非典型论文的可能性是几倍于其他。工业界和学术界在影响力和创新性方面的优势对于子领域、团队规模、资深度和声誉的控制都是稳健的。我们发现学术界和工业界的合作很难复制学术团队的创新性，并且往往与工业团队相似。综上所述，我们的研究结果确定了学术界和工业界在人工智能健康进展中所作出的独特和几乎是无可替代的贡献。

Jan, 2024

本研究通过对包含 78187 篇自然语言处理出版物和 701 份作者简历的语料库进行分析，研究显示自 90 年代以来业内的存在一直保持稳定，在过去五年中却急剧上升，其中少数公司贡献了大部分的出版物和通过赠款和实习提供了学术研究的资金，研究表明业内对自然语言处理研究的存在和影响非常重要，且发展迅速，这项工作呼吁增加业内在该领域的透明度。

May, 2023

AI 研究越来越多地由行业推动，因此了解企业对该领域的贡献至关重要。我们通过研究发表论文、引用、训练规模和算法创新来比较领先的 AI 公司。我们的分析揭示了 Google、OpenAI 和 Meta 的重大作用。这三家公司负责一些最大规模的训练，发展了支撑大型语言模型的大部分算法创新，并在引用影响力等各项指标中处于领先地位。相比之下，腾讯和百度等国内领先公司在许多指标上的影响力较低。我们观察到许多行业实验室正在进行大规模训练，而 OpenAI 和 Anthropic 等新进公司的训练规模甚至超过了 Google 等历史悠久的老牌公司。数据显示了一个多元化的公司生态系统在推动 AI 进展，尽管美国的实验室如 Google、OpenAI 和 Meta 在关键指标上处于领导地位。

Nov, 2023

该研究探讨了社会技术话语中的关系问题，即语义模糊、概念之间缺乏明确关系和不同的标准术语这些根本本体论问题。作者提出了一个概念框架来组织概念，包括操作性，认识论和规范方面，以帮助开发适当的指标、标准和机制，促进机构 AI 系统的研究和采用。

Mar, 2023

本研究使用感知哈希和聚类分析技术，并以 13 个月内从 Twitter、Reddit、4chan 和 Gab 收集的 26 亿帖子和 1.6 亿张图像的数据集为基础，检测和量化了多个网络社区间的互动传播效果，揭示了网络社区间恶意并极具争议的热门、多样的互联网模因，展示了如何使用霍克斯过程来模拟网络社区之间的相互影响。

May, 2018