本文提出一种评估 AI 系统应对开放世界新颖问题难度的方法，以帮助研究人员系统地训练其系统，并衡量其表现。

Jul, 2022

该论文介绍了 NoveltyTask，通过评估系统在处理 novelties 方面的性能来开始一个系统性的研究，并将其应用于作者归属任务中，使用 Amazon 评论的数据集进行实验和探索基准方法，最终结果表明该任务具有相当低的性能。

May, 2023

本研究深入研究了机器学习研究演变的动态景观，利用隐狄利克雷分配方法识别了在机器学习领域中出现的关键主题和基本概念，通过综合分析追踪了这些主题的演化轨迹，并利用 Kullback-Leibler 散度度量方法量化研究贡献的新颖性和多样性，从而了解杰出研究人员的关键作用以及机器学习领域特定学术场所的重要性。

Nov, 2023

本文介绍了一种名为 PAT-SND 的文本新颖性检测模型，该模型在细粒度语义层面对文本进行分析，完善了现有以主题为基础的新颖性检测方法，通过对文本中指称实体及其背景知识的关系进行语义推理，有效地提高了 named entities 新颖性检测的准确性。作者还创建了一个经过注释的数据集，在实验中，PAT-SND 表现出比其他 10 个基线模型更好的性能。

Oct, 2022

探究人工智能是否生成真正新颖的想法，而不仅仅是重复在训练中学到的模式，通过一项新颖的实验设计，在为假设的众筹活动生成项目标题的任务中，我们比较了人工智能生成的项目标题之间的重复和复杂性，并通过扩展的最大平均偏差度量了人工智能生成的标题与实际观测到的领域数据的比较，从而对人工智能的新颖输出进行了结构化分析。结果表明：（1）人工智能即使在任务复杂性不断增加且在计算能力的极限下，依然能够生成独特的内容；（2）生成的内容具有面部效度，并与其他生成型人工智能的输入以及与领域数据的定性比较一致；（3）与领域数据存在差异，从而减轻了与知识产权相关的担忧。我们探讨了对版权和商标法的影响。

Mar, 2024

通过对科学文章进行形式化的出版和语义学处理，可以提高科研工作者更新领域最新成果的工作效率，并为未来科学事业的效率和效益带来了不计其数的可能性。

Mar, 2022

本研究介绍了一个新的基准数据集 NovelCraft，包含在 Minecraft 环境中完成跳跃球组装任务的代理人所看到的图像和符号世界状态的多模态故事数据。进一步的多模态新颖性检测实验表明，融合视觉和象征信息的方法能够提高检测时间和总体识别能力，同时对于复杂场景中新不平衡分类的适应仍然是一个令人兴奋的开放性问题。

Jun, 2022

本研究通过基于自编码器的深度神经网络，在高能物理碰撞实验中开发了一组密度基准的新颖性评估器以实现新物理信号事件的高效检测，并探索了解决非信号区域提供的已知模式数据波动对检测灵敏度的影响并提出了应对策略。结果表明，新物理基准可能具有高效的识别能力。

Jul, 2018

本研究旨在提出以专利权要求的自信息的倒数来衡量其范围。基于信息理论，该方法假设罕见的概念比通常的概念更具信息量，因为其更令人惊讶。自信息是根据该要求的出现概率计算的，而概率是根据语言模型计算的。本研究考虑了五种语言模型，从最简单的模型（每个词或字符来自均匀分布）到中级模型（使用平均词或字符频率），再到大型语言模型（GPT2）。有趣的是，最简单的语言模型将范围度量减少到词或字符计数的倒数，这是以前研究中已经使用的度量标准。应用于九个系列的专利权要求，这些要求针对不同的发明，其中每个系列的要求的范围逐渐减小。然后使用几个特定的指标评估了语言模型的性能。模型越复杂，结果越好。GPT2 模型优于基于词和字符频率的模型，而基于词和字符计数的模型又领先于基于词和字符计数的模型。

Sep, 2023

本文报告了一项旨在评估文本特征对荷兰语小说文学评分影响的试验结果，表明问卷评分与 Riddle 的调查评分之间存在中度到强度的相关性，但机器学习的预测结果更接近调查评分。

Nov, 2020