Выше квартилей

Импакт vs. ИИмпакт: эмпирические свидетельства влияния LLM на цитирование публикаций

В последнее время мы часто пишем о том, как ИИ меняет привычный научный ландшафт: во все большем числе работ генеративный ИИ помогает не только дописывать отдельные абзацы, но и с подачи промптов берет на себя исследовательские функции. Между тем немалое количество ученых все еще рассматривает генеративный ИИ только в качестве помощника по редактуре текста, позволяющего "подогнать" публикацию под требования журнала или же стандарты академического языка (в особенности иностранного для самих авторов). Казалось бы, добросовестное и декларируемое применение ИИ в части работы с текстом статьи при прочих равных не должно давать дополнительных преимуществ исследователям в сравнении с их коллегами. Но так ли это?

В свежем исследовании, опубликованном в Scientometrics, наши коллеги из кампуса НИУ ВШЭ в Перми попытались ответить на этот вопрос, сфокусировавшись на взаимосвязи между использованием больших языковых моделей (LLM) при подготовке текста и показателями последующей цитируемости публикаций.

На основе анализа более 234 тыс. научных работ 2019–2025 годов при обращении к собственной модели идентификации паттернов ИИ-письма (LLM-assisted writing), авторы пришли к выводу, что публикации с такими признаками получали в среднем примерно на 7,04 % больше цитирований, чем работы с аналогичными характеристиками: опубликованные в тех же журналах, в рамках схожих по объему авторских коллективов, со схожим числом источников, длиной аннотации и предыдущей цитируемостью авторов. Значимость всех указанных характеристик для обученной модели приведена на графике.

Как отмечают сами авторы, применение ИИ может и не повышать качество самих научных исследований, но благодаря проработке аннотаций — улучшению структуры, удалению лишних слов, стандартизации формулировок и приведению текста к академическому стилю — улучшается видимость публикаций для читателей, что и способствует росту цитируемости. Внимание к аннотациям особенно важно, поскольку именно они попадают в поисковые системы, базы научного цитирования и могут использоваться самими LLM моделями и иными рекомендательными системами при подготовке списков литературы по теме.
В контексте же наукометрии исследование подчёркивает значимость ИИ-признаков как потенциального инструмента продвижения научных работ. Если ранее большее значение (хотя и не всегда) имело содержание статей, то теперь только особенности текста и использованных формулировок, могут при прочих равных влиять на повышение читательского интереса.

ИИ при этом прямо «не накручивает» цитаты, но ставит под сомнение один из основных столпов библиометрического анализа — индекс цитирования. Если даже относительно безобидная редактура текста систсематически связана с преимуществом в цитировании, то сама цитата сегодня — уже не только мера научной значимости работы, но и оценка ее "упаковки". По всей видимости, для исследователя, до сих пор сторонившегося ИИ-письма, рациональной стратегией все же становится использование LLM-инструментов при финальном редактировании текста публикации.

#обзор #ИИ #цитируемость #scientometrics

ИИ, CSRanking и БРИКС: взгляд "Выше квартилей"

Сегодня обсуждение достижений ИИ во многом строится вокруг отдельных ярких результатов продвинутых моделей. Чего только стоит свежая история решения задачи Навье–Стокса и дискуссия о первенстве в споре "машина vs. человек".

При этом развитие исследований в области ИИ можно рассматривать, безусловно, и через наукометрическую оптику. В последнем дайджесте мы обещали чаще возвращаться сюда с собственными аналитическими материалами. Одним из них хотим поделиться сегодня.

Что мы сделали?

Мы проанализировали 10 ведущих конференций в области искусственного интеллекта и машинного обучения. Все относятся к конференциям уровня A* в ICORE 2026 и при этом представляют разные направления компьютерных наук: от обработки естественного языка и компьютерного зрения до машинного обучения и анализа данных.

Напомним, что для области конференционные публикации имеют особое значение и являются одним из основных способов представления новых научных результатов. В качестве одного из ориентиров для проекта использовали подход CSRankings, но мы расширили для себя задачу: нас интересовали не только отдельные организации, но также их типы и структура сотрудничества между ними.

Что считали?

В основу анализа легли метаданные Scopus за 2020–2025 годы. В итоговый массив вошло более 104 тыс. публикаций (около 97,3 % материалов сборников). Отдельно выделили основные программы и дополнительные треки, рассчитали показатели публикационной активности, фракционного вклада, цитирования и FWCI, а также рассмотрели различные типы связей.

Часть процедур по сбору, проверке и обработке данных удалось автоматизировать с помощью ИИ. В этом смысле проект об исследованиях ИИ сам в определённой степени оказался продуктом совместной работы человека и ИИ.

Основной фокус мы решили сделать не на всех странах, а на классической пятерке БРИКС: Бразилии, России, Индии, Китае и ЮАР.

Каковы основные результаты?

Прежде всего, своим масштабом обращает на себя внимание Китай: более 38 тыс. публикаций, второе место в мире по объёму публикаций в рассматриваемом корпусе и с большим отрывом лидерство среди стран БРИКС как на уровне отдельных организаций, так и на уровне исследовательских команд. При сохранении текущей динамики выход Китая на 1 место в мире по отобранной десятке конференций – вопрос времени.

Интересна и структура цитирований. Более половины цитирующих аффилиаций для китайских публикаций также относятся к Китаю. Для сравнения: у России и Индии эта доля составляет около 6–8 %. Речь здесь не о самоцитированиях, а о высокой внутренней концентрации научной коммуникации.

Существенно различается и структура национальных исследовательских систем. Для Китая и России характерно более тесное взаимодействие академического и корпоративного секторов. В Индии, Бразилии и ЮАР заметно более выражена ведущая роль академических организаций.

Фокус на России

Российский кейс особенно показателен. Среди академических организаций НИУ ВШЭ лидирует по общему числу публикаций, Сколтех – по фракционному вкладу; важное место занимает и МФТИ. В корпоративном секторе основными участниками остаются Яндекс и Сбер, однако в последние годы заметным становится присутствие Т-Банка и МТС. Отдельно стоит отметить AIRI, который занимает особое место по масштабу публикационной активности и положению в сети сотрудничества.

При этом связь академии и индустрии проявляется не только в совместных публикациях. В данных заметна группа исследователей с одновременными академическими и корпоративными аффилиациями. Такие «люди-мосты» фактически соединяют два сектора и играют заметную роль в российской модели исследований в области ИИ.

Что дальше?

Пока рассматриваем нашу работу как первую версию проекта. В дальнейшем планируем расширять набор конференций и показателей и уточнять результаты по мере обновления данных.

Результаты проекта доступны на сайте Наукометрического центра по ссылке.

#аналитика #ИИрейтинг #БРИКС #ICORE

Поздравляем всех читателей с началом нового академического года! В ближайшее время планируем вернуться к авторским материалам в канале. А пока представляем дайджест за август.

ИИ в науке

•  В Nature появилась заметка об очередном исследовании использования ИИ в научных публикациях. Результаты впечатляют: почти 9 из 10 статей, опубликованных в декабре 2025 года и заархивированных PubMed, несут следы ИИ-редактирования. За весь 2025 год таких материалов набралось почти 77 %, против 52 % годом ранее. Заметим, что речь идет о наличии признаков AI-редактирования, а не о написании статей "с нуля".

•  Anthropic представил MCP для науки: единый интерфейс для ИИ-агентов, который позволит последним подключаться к лабораторному оборудованию и фактически управлять проведением ряда экспериментов. Первые опыты не всегда были гладкими, но уже сейчас понятно, что первая новость дайджеста — далеко не предел перспектив использования ИИ в науке.

•  Куда же без ИИ-оценки: вышла заметка и интервью с создателями инструмента QED Science, который направлен на отбор топ 1 % препринтов исключительно по их оригинальности и валидности. Пока декларируемая цель — помощь исследователям в оценке текущего прогресса, но сервис по сути автоматизирует процесс рецензирования.

•  В продолжение: на The Scholarly Kitchen предлагают переосмыслить роль ИИ в рецензировании: прежняя дискуссия о внедрении нейросетей как «революционного или эволюционного» процесса является некорректной в новых реалиях — куда важнее, готово ли сообщество обсуждать и уточнять идеи публично, а не за закрытыми дверьми.

•  Ну и еще один эксперимент с ИИ-агентами, описанный в Science, был посвящен проверке воспроизводимости результатов более 6 тысяч материалов, поданных на одну из ведущих конференций в области компьютерных наук: International Conference on Machine Learning. Судьёй выступала модель GLM-5.2, выносившая один из четырёх вердиктов: verified, falsified, toy, inconclusive. Из выборки в 2226 материалов почти половина поддалась верификации в том или ином виде.

Редакционная политика

•  В Nature вышел большой репортаж, посвящённый «войне рецензирования»: недобросовестные исследователи оставляют однотипные и зачастую бесполезные отзывы — например, требуют сократить заключительную часть статьи или исправить грамматические ошибки, — сопровождая их просьбами процитировать коллег. Ситуация не только осложняет работу академических изданий, но и затрудняет процесс публикации для исследователей.

•  В совсем свежей статье Scientometrics авторы эмпирически показывают, что заведомо лучшая индексация журналов Elsevier в Scopus приводит к ожидаемому результату: рейтинг топ-2 % влиятельных ученых от Дж. Ионнидиса оказывается смещен в пользу тех ученых, у которых больше статей в журналах… Elsevier.

•  Вышло исследование реальной стоимости публикаций. На основе большой базы APC авторы сделали датасет, включающий 69 856 наблюдений по 12 540 журналам за 2019–2025 годы, а затем провели исследование глобальных расходов на публикацию статей в Open Access в 2025 году. Выяснилось, что при тратах в $3,7 млрд, более 85 % расходов приходится на несколько крупных издателей.

Наука в России

•  Научные данные, собранные в России и СССР, планируют оцифровать для обучения ИИ. Таким образом, государственная система научно-технической информации (ГСНТИ), насчитывающая более 2 млрд единиц научной информации, может стать основой для развития отечественных моделей ИИ.

•  Коллеги из ИСИЭЗ представили обзор исследований в области ИИ. На основе библиометрического анализа 180+ тысяч документов удалось проследить динамику и тематическую структуру исследований в области. Кажется, что без ИИ уже никуда и в нашей работе. Поэтому призываем следить за анонсами)

#дайджест #иивнауке #редакционнаяполитика #наукавроссии

​​Дайджест июль 2026:

Представляем дайджест научных событий за последний месяц.

Наука в мире

• Медали Филдса 2026 года присуждены Юй Дэну, Джону Пардону, Джейкобу Цимерману и Хун Ван; церемония прошла на Международном конгрессе математиков в Филадельфии.

• Группа исследователей запустила проект на платформе PubPeer: исследования, повторно проверяющие уже опубликованные результаты, теперь напрямую связываются с исходными статьями. 

ИИ в науке

• Nature публикует путеводитель по рынку «ИИ-учёных»: наряду с Claude Science Anthropic конкурируют Co-Scientist от Google DeepMind и открытый Biomni от академических исследователей

• Nature сообщает о появлении инструмента "humanizer", удаляющего из научных текстов и грантовых заявок языковые паттерны, характерные для ИИ: он фактически делает детекторы ИИ-текста бесполезными и открывает путь к скрытому использованию генеративного ИИ без раскрытия информации.

Научная этика

• Анализ 70 000 биомедицинских препринтов показал, что их ключевые выводы крайне редко меняются после рецензирования, а статьи, прошедшие стадию препринта, отзываются вдвое реже тех, что публиковались в журналах сразу.

• Анализ 110 303 рукописей, поданных в Science и Science Advances с 2016 по 2020 год, показал, что авторы из Китая принимаются в 3,3 раза реже, чем авторы из США и Канады (2,5% против 8,3%); при этом штрафной эффект сохраняется на всех этапах рецензирования и распространяется даже на западных исследователей с китайскими фамилиями.

• Нобелевский лауреат, нейробиолог Томас Зюдхоф призвал США или ЕС ввести государственное регулирование научного издательского рынка по аналогии с FDA.

• Springer Nature восстановил две отозванные статьи Макса Планка 1940 и 1942 годов.

Редакционна политика

• Журнал Biology Open протестировал оплату рецензентам и сократил время до первого редакционного решения на 85%, не потеряв в качестве рецензий; главный редактор рассказывает Nature, почему этот подход работает и может ли он стать моделью для отрасли.

Наука в России

• НБЖД сообщает, что в РАН обсудили создание единого национального реестра отозванных научных статей.

• Подписан закон об искусственном интеллекте в России.

#дайджест #новостинауки #иивнауке #новости #научнаяэтика #научнаяполитика

Оценка научной результативности - выбор между спорным, дорогим и страшноватым

Использование наукометрических показателей для оценки науки давно вызывает критику. Главные аргументы известны: количество публикаций и цитирований лишь косвенно отражает качество исследований; погоня за метриками стимулирует не научный прогресс, а оппортунизм. Эта критика во многом справедлива.

Если наукометрия так несовершенна для оценки, чем ее заменить? Заменить на оценку практической отдачи исследований невозможно - во многих областях практический эффект исследований не подразумевается вовсе. Один из вариантов это экспертная оценка. Если говорить о национальном масштабе, наиболее известный пример такой системы - британский Research Excellence Framework (REF), результаты которого используются для распределения государственного финансирования университетов.

Основа REF - экспертное рецензирование научных результатов. Обычно отмечают, что экспертная оценка значительно дороже наукометрии. Но насколько она дорога? В 2023 году был опубликован отчет с подробной оценкой затрат на проведение волны оценки REF 2021, позволивший увидеть цену одной из самых известных систем оценки науки.

По оценкам авторов отчета, совокупные затраты на проведение REF 2021 составили около 471 млн фунтов стерлингов. В эту сумму вошли не только расходы финансирующих организаций, но и издержки самих университетов: подготовка материалов для оценки, рабочее время членов экспертных комиссий, административного персонала и исследователей, участвовавших в подготовке заявок.

В этом цикле оценки участвовали 157 университетов. Если разделить общую сумму на число университетов, то получится, что в среднем оценка научной результативности одного вуза обошлась почти в 3 млн фунтов стерлингов (заметим, что эти затраты не являются ежегодными, REF проводится примерно раз в 6–8 лет).

Представить, сколько бы стоила оценка REF в российском контексте довольно сложно. Нельзя просто умножить оцененные расходы в 3 млн фунтов на число российских занимающихся наукой организаций (> 4000) или вузов (> 1000 c филиалами). С одной стороны, стоимость труда в России ниже, чем в Великобритании. С другой - британские университеты уже имеют многолетнюю инфраструктуру и опыт подготовки к REF (в российских вузах ее нет).

Тем не менее очевидно, что проведение национальной системы экспертной оценки стало бы заметной статьей расходов на науку. Для сравнения, совокупные затраты на REF 2021 превышают годовой бюджет РНФ, включая все его грантовые программы.

При этом наукометрический подход тоже не бесплатен. Вопрос сколько ресурсов российская наука тратит на функционирование своей системы оценки результативности организаций - весьма интересный, исследовать его непросто. Даже простая оценка числа специалистов, занятых "административной наукометрией" в России, - нетривиальная задача.

На этом фоне уже не хочется отметать сразу идею об использовании ИИ-инструментов в оценке научных результатов (хотя сначала хочется). В начале этого года Майк Телволл (Mike Thelwall), один из наиболее известных исследователей в области наукометрии, опубликовал статью о перспективах использования ИИ-моделей для оценки научной результативности.

Профессор Телволл с коллегами активно проводят эмпирические исследования, в которых они смотрят, как LLM-оценки согласуются с оценками экспертов. На базе этого опыта в обзорной статье автор не продвигает идею, о том что LLM - хорошая альтернатива наукометрии и экспертам, но напоминает о проблематичности двух традиционных подходов и рассуждает о том, по каким причинам мы в целом все равно не испытываем энтузиазма перед передачей оценки науки на аутсорс ИИ.

Если ранее у нас было два "плохих" подхода к оценке, теперь у нас их может стать три. Кажется разумным комбинировать три несовершенных способа так, чтобы они нейтрализовали недостатки друг друга. Однако, пожелать это легче,чем сделать.

​​Дайджест июнь 2026:

Представляем дайджест научных событий за последний месяц.

ИИ в науке

•  Anthropic запустила Claude Science — специализированное приложение для учёных, объединяющее доступ к более чем 60 научным базам данных. Самое время запланировать создание нового аккаунта, после блокировки старого.

•  Проект First Proof протестировал четыре ИИ-системы на десяти ранее не публиковавшихся математических задачах исследовательского уровня: лучший результат показала команда ETH Zurich, решившая шесть из десяти задач, однако, в целом, модели уступили ведущим математикам.

•  Математическое сообщество реагирует на успехи ИИ сразу на двух фронтах. Группа ведущих математиков приняла Лейденскую декларацию (документ, призывающий сохранить прозрачность при использовании ИИ). Параллельно молодые математики ощущают давление: если раньше именно юниоры считались главными генераторами прорывных идей, то теперь эту нишу начинает занимать ИИ.

•  Nature опубликовал обзор рисков и возможностей ИИ для социальных наук: по оценкам исследователей, до 45% ответов в онлайн-опросах уже генерируется языковыми моделями, что подрывает достоверность данных о человеческом поведении.

Научная этика

•  Springer Nature отозвал две статьи Макса Планка 1940 и 1942 годов из Naturwissenschaften по причине «нарушения авторских прав»: одна была переопубликована в нескольких изданиях, что по современным стандартам считается самоплагиатом.

•  Парижский университет лишил степени доктора наук известного французского физика и популяризатора науки Этьена Кляйна: расследование установило, что плагиат присутствует примерно на двух третях страниц его диссертации 1999 года. 

•  Запущена бесплатная платформа Journal Trends, отслеживающая публикационные паттерны журналов и предупреждающая исследователей о потенциально проблемных изданиях до подачи рукописи.

•  Science сообщает о волне методологически сомнительных публикаций, генерируемых студентами-медиками с помощью платформы TriNetX.

•  Retraction Watch сообщает, что Springer Nature начнёт публиковать «выражения озабоченности» (expressions of concern) для книг. Ранее этот механизм применялся преимущественно к статьям.

•  Retraction Watch также опубликовал результаты анализа почти 1 200 ссылок на отозванные статьи в Википедии: медианное время до исправления ссылок в электронной библиотеке превышает в данном случае 3,5 года.

Рейтинги и базы данных

•  Опубликованы данные по CiteScore Scopus за 2025 год.

•  Clarivate опубликовала ежегодное обновление Journal Citation Reports: обновлены импакт-факторы и другие наукометрические показатели журналов Web of Science за 2025 год. А мы традиционно обновили наш дашборд, который доступен по ссылке.

•  Wiley приобрело издательство Emerald Publishing: компания выпускает около 500 журналов и 8 000 книг преимущественно в области социальных наук.

Наука в России

•  Пожалуй, одна и главных новостей-утечек: коллеги из eLIBRARY опубликовали проект методики РЦНИ по отбору зарубежных журналов в Белый список (ЕГПНИ), критический разбор, а также полную базу данных журналов и сравнение старой и новой версий списка с показателями Scimago. Обсуждение зарубежной части ЕГПНИ продолжается и в отделениях РАН.

•  В России появилась открытая платформа о правилах использования ИИ в вузах.

•  НБЖД также сообщает, что в РАН намерены за два года увеличить число журналов издательства «Наука» до 200. Надеемся, что у российского научного сообщества не появится примерно на 40 % больше поводов переживать за отечественную научную периодику.

Анонсы

•  С 4 июля по 7 декабря фестиваль актуального научного кино ФАНК проводит бесплатную онлайн-программу «Дни научного кино»: более двадцати документальных фильмов об археологии, психологии, эволюции и геологии, лекции от экспертов и учёных, а также квизы с призами от «Лекториума» и Stepik.

#дайджест #новостинауки #WoS #Scopus #базыданных #рейтинги #наукавроссии

Исследователи взяли 130 тыс. статей по политическим наукам за 2003–2023гг. и проанализировали раздел благодарностей (acknowledgments). В нем отмечают людей, которые не стали соавторами, но повлияли на работу: прочитали черновик, помогли с аргументацией, подсказали литературу.

Сеть благодарностей оказалась крупнее и плотнее сети соавторства. Ученые, которые не включены в такие неформальные сети, в среднем имеют более низкое публикационное влияние.

Обычно научную продуктивность измеряет через количество публикаций и цитирований. Но за этими показателями стоит невидимая инфраструктура — профессиональные круги, внутреннее рецензирование, наставничество – «невидимый колледж» (invisible college). Это сеть научных коммуникаций, через которую ученые обмениваются идеями и продвигают знание, получают поддержку, обратную связь и профессиональные возможности.

Если не поддерживать эту среду, усиление контроля публикационных показателей не приведет к повышенияю качества научной работы.

Дайджест май 2026:

Представляем дайджест научных событий за последний месяц.

ИИ в науке

• Nature опубликовал обзор достижений ИИ в математике: ряд специалистов допускает, что к 2030 году ИИ сможет участвовать в работах уровня медали Филдса. Главной новостью месяца стало опровержение гипотезы Эрдёша о задаче единичных расстояний моделью OpenAI.

• ИИ-анализ тысяч открытых рецензий показал, что статьи, для которых требовалась серьёзная доработка по мнению рецензентов, впоследствии получают больше цитирований, чем те, что прошли рецензирование без существенных замечаний. 

• PLOS внедрил первый ИИ-инструмент для выявления дублирующихся и подозрительно схожих рецензий, что позволило обнаружить мошенничество в процессе рецензирования.

• В Science вновь подняли вопрос о необходимости единых стандартов раскрытия использования ИИ: при том что реальное применение ИИ, по опросам, охватывает от 28 до 76 % текстов.

• LSE Impact Blog предупреждает: ИИ-инструменты для синтеза литературы воспроизводят и усиливают эффект Матфея в науке.

• arXiv ввёл годовой бан для авторов, чьи препринты содержат галлюцинированные ссылки или иные «неопровержимые» следы использования генеративного ИИ.

Научная этика

• Анализ 2,5 млн статей и препринтов из четырёх репозиториев выявил более 140 000 галлюцинированных ссылок только за 2025 год; наибольшая их доля обнаружена в SSRN (препринт-сервере для социальных наук). А анализ 97 млн ссылок из базы PubMed Central выявил почти 3 000 биомедицинских статей с несуществующими ссылками.

• Метаанализ данных по 3 500 исследователям из 46 университетов в 12 странах фиксирует широко распространённые практики «подарочного» (gift authorship) и «призрачного» (ghost authorship) авторства.

• Retraction Watch сообщает о показательном случае: журнал Democracy and Security (Taylor & Francis) принял рукопись без рецензирования — главный редактор объяснил это «честной ошибкой» перегруженной команды, число заявок в которой выросло с 12 до более чем 100 в месяц.

• Retraction Watch также разобрал случай учёного с h-индексом 75, выросшим с нуля менее чем за десять лет: расследование выявило разветвлённую сеть соавторов, чьи рецензенты систематически рекомендовали авторам цитировать работы друг друга.

Наука в мире

• Издательство Elsevier присоединилось к коллективному иску против Meta: компания обвиняется в использовании охраняемых авторским правом научных статей для обучения модели Llama.

• Анализ публикаций 12,5 млн учёных за 60 лет показал, что исследователи на ранних этапах карьеры чаще производят «прорывную» науку, тогда как опытные учёные лучше справляются с синтезом существующих идей.

• Азия превосходит Европу и Северную Америку по числу студентов и вузов, и, по прогнозам нового картографического исследования 16 стран региона, в ближайшие десятилетия она станет главным поставщиком академических кадров для всего мира.

Научная политика

• По данным платформы ScholarOne, в первом квартале 2026 года число рукописей, поданных в журналы, выросло на 33% по сравнению с аналогичным периодом 2025 года

• НБЖД сообщает, что крупнейшие академические издатели завершили 2025 год с положительными финансовыми результатами: Elsevier (RELX) нарастил выручку на 5% и прибыль на 7%, Springer Nature увеличила выручку на 6,2%, Wolters Kluwer — на 4%; незначительное снижение зафиксировала лишь Taylor & Francis.

Наука в России

• ИСИЭЗ НИУ ВШЭ опубликовал доклад об ИИ-трансформации российской науки на основе глубинных интервью с 30 ведущими учёными: большинство начали использовать ИИ 1–3 года назад, главный эффект — экономия времени за счёт делегирования технических задач. 

• РЦНИ направил в отделения РАН предложения по зарубежной части Белого списка: из журналов WoS и Scopus предварительно отсеяно около 30% изданий, в том числе все переводные журналы Pleiades ; ждём официального обновления списка.

#дайджест #нововстинауки #наукавмире #иивнауке #научнаяэтика #базыданных #научнаяполитика

Политические науки и академическая конкуренция: о динамике последних 20 лет

Академическая среда давно функционирует как конкурентный рынок со своей логикой стимулов, издержек и неравных позиций. Например, американские университеты ежегодно выпускают около тысячи PhD по политическим наукам, тогда как рынок предлагает лишь 600–700 позиций с правом на постоянную занятость. В условиях, когда найм и распределение финансирования всё в большей мере определяются метриками возникает вопрос: что происходит с дисциплиной, когда учёных становится больше, чем мест для них?

В недавно вышедшей работе, опубликованной в Perspectives on Politics, авторы провели масштабный библиометрический анализ того, как конкурентная среда трансформировала политические науки с 2003 по 2023 год. Авторы исследуют публикационную динамику, структуру соавторства, тематическую специализацию и методологические сдвиги, изучая как академическая «экономика выживания» меняет то, что и как изучают политологи.

Основные результаты частично подтверждают ожидаемые тренды:

🤩 объём публикаций почти утроился за 20 лет

🤩 совместное авторство стало доминирующим способом производства знания

🤩 с 2021 года большинство статей выходит в соавторстве.

Одновременно произошёл выраженный методологический сдвиг в сторону количественных подходов: в ведущих журналах их доля превысила 85% публикаций против 70% в 2003 году (см. рис.).

Дисциплина растёт вширь, а не вглубь: прирост публикаций обеспечивают не более продуктивные исследователи, а постоянный приток новых — свыше трёх тысяч ежегодно. При этом более двух третей из них публикуются лишь однажды и не возвращаются в неё в течение следующих десяти лет. Индивидуальная продуктивность за двадцать один год выросла всего на 8,5% — отчасти потому, что рост соавторства механически размывает вклад каждого автора. Проще говоря, объём растёт не потому, что каждый делает больше, а потому что публикующихся становится больше.

Молодые ученые адаптируются к давлению по-своему: исследователи, начавшие карьеру в 2014 году, публикуют к десятому году на 46% больше статей, чем их коллеги, начавшие карьеру десятью годами ранее. Обратная сторона этого роста — резкое сокращение книжных публикаций: на 43% меньше монографий и на 19% меньше глав в сборниках. Статья все сильнее вытесняет книгу как формат.

Часть выводов опровергает привычные представления о том, как давление сказывается на дисциплине. Дисциплина в целом сохраняет тематическую широту, однако отдельные статьи становятся всё более узко сфокусированными, при этом такие работы получают больше цитирований. Оригинальность, однако, не конвертируется ни в публикации в престижных изданиях, ни в цитирования. При этом новаторские работы не лишены перспективы, но она отложена. Эффект цитирования проявляется лишь спустя пять-десять лет после публикации, что напрямую конфликтует с логикой найма. Система вознаграждает терпеливых, но у молодых учёных этого времени нет.

Примечательно, что полностью женские авторские коллективы в среднем производят более новаторские исследования, тогда как полностью мужские сосредоточены на воспроизводстве устоявшихся подходов.

За двадцать лет дисциплина стала продуктивнее, но не смелее. Вопрос о том, совместимы ли нынешние академические стимулы с производством подлинно оригинального знания, остаётся открытым.

#обзор #библиометрия #политология #академическаясреда #соавторство

​​Дайджест апрель 2026:

Представляем дайджест научных событий за последний месяц.

Научная политика

• Китай запустил программу коммерциализации университетских патентов: профильное ведомство связало владельцев 680 000 разработок с 460 000 компаниями. В 2023–2025 годах удалось коммерциализировать около 80 000 патентов (в 2022 году лишь 3,9%).

• Конгресс США провёл слушания по проблемам научных публикаций: теперь бумажные фабрики и стоимость публикаций в открытом доступе требуют государственного внимания (однако единого взгляда на реформу пока нет).

• NeurIPS опубликовала политику, запрещающую принимать статьи от организаций из санкционных списков США (это затронуло ряд других китайских компаний). В ответ Китай объявил бойкот конференции, однако в тот же день NeurIPS отозвала политику, признав её результатом ошибки.

• Ассоциация STM опубликовала Trends 2030, обозначив четыре главных вызова для научных коммуникаций: геополитические сдвиги, кризис доверия к науке, сокращение исследовательского финансирования и трансформирующее влияние ИИ.

ИИ в науке

• Исследователи из Чикагского университета запустили платформу Agent4Science — аналог Reddit, где ИИ-агенты самостоятельно генерируют научные статьи и обсуждают их между собой.

• Nature сообщает: десятки ИИ-моделей для прогнозирования диабета и инсульта обучены на сомнительных данных , а некоторые из них, возможно, уже применялись на пациентах.

• Исследователь намеренно придумала несуществующую болезнь и загрузила о ней препринты. Уже через несколько недель ChatGPT, Gemini и Copilot уверенно описывали её симптомы пациентам. 

• Исследование поведения GPT-4o показало: модель по умолчанию повторно использует около 55% источников, опирается на Reddit как на квазинаучный авторитет и обращается к академическим источникам лишь по целенаправленным запросам.

• Число заявок на гранты выросло в среднем на 57% с момента запуска ChatGPT. Авторы считают запреты на ИИ в заявках неисполнимыми и предлагают переориентировать оценку с текста заявки на профиль исследователя.

• Исследование, опубликованное в Science, показало: модель OpenAI o1 превзошла врачей скорой помощи в постановке диагнозов. В условиях сортировки пациентов она давала верный ответ в 67% случаев против 50–55% у врачей.

• Science рассказывает о новом инструменте Hubble, позволяющем впервые масштабно изучить проблему «меморизации» языковых моделей — когда ИИ запоминает и воспроизводит данные, которые не должен.

Рейтинги и базы данных

• Китайская академия наук прекратила публикацию своего журнального рейтинга, служившего главным инструментом оценки исследований в стране более 20 лет. 

• Scimago Journal & Country Rank опубликовал данные по квартилям журналов за 2025 год. 

• Times Higher Education опубликовал Азиатский университетский рейтинг 2026: Цинхуа вновь возглавила список, Китай занимает 5 из 10 первых мест, Япония и Южная Корея теряют позиции на фоне китайской экспансии

Научная этика

• Исследователи собрали базу из более 18 700 объявлений о продаже авторства от семи фабрик публикаций (paper mills), чтобы все желающие могли использовать её для выявления мошенничества. 

• В журнале Science вышло предложение создать в США базу исследователей, признанных виновными в научных нарушениях. Это позволит университетам не допускать «тихого» перехода нарушителей из одного вуза в другой.

• Исследование в PNAS показало: упоминание в разделе благодарностей статьи более надёжный предиктор научного успеха, чем широкое соавторство.

Наука в мире

• Проект ERROR, выплачивавший учёным от 250 до 2 500 CHF за выявление ошибок в статьях, столкнулся с нехваткой желающих проверять чужие работы. Теперь организаторы запускают рецензируемый журнал, где рецензии будут публиковаться как полноценные научные работы.

• Семилетний проект по проверке 3 900 работ в области социальных наук показал: воспроизвести результаты удалось лишь в половине случаев.

#дайджест #новости #новостинауки #научнаяэтика #научнаяполитика #ИИ #рейтинги

«Безотказный» eLife: о текущем состоянии журнала спустя 3 года после реформы рецензирования и 1,5 лет без Web of Science

Недавно eLife опубликовал трёхлетний отчёт об эксперименте с рецензированием, который широко обсуждался в научном сообществе. Напомним, что в январе 2023 года журнал отменил практику отклонения статей после рецензирования: любая рукопись, прошедшая первичный редакционный отбор, публикуется вне зависимости от того, что написали рецензенты. Вместо «принято/отклонено» читатель видит открытые рецензии и редакторскую оценку по шкале от «inadequate» до «landmark».

🤩 Что пошло не так?

В октябре 2024 года Web of Science приостановила индексацию eLife, сославшись на то, что обновленная модель рецензирования не соответствует её стандартам. В июне 2025 года журнал лишился импакт-фактора (составлял 6.4).

Это привело к тому, что подача статей снизилась, особенно там, где импакт-фактор напрямую влияет на карьеру. Цифры говорят сами за себя: −80% из Китая, −75% из Италии, −52% из Германии, −40% из США. При этом показатели, например, для Великобритании (−18%) и Франции (−23%) просели меньше. Журнал был вынужден сократить штат и урезать бюджет.

🤩 Какова дальнейшая судьба?

Несмотря на очевидный кризис, журнал нашел поддержку. В мае 2025 года более 100 университетов и фондов публично подтвердили, что по-прежнему учитывают публикации в eLife при найме, повышении и финансировании. Более того, в марте этого года Wellcome Trust объявил об инвестиции в £2.4 млн в проект eLife Pathways.

К институциональной поддержке добавились и эмпирические данные. Опубликованное в Scientometrics исследование на основе 10 802 рукописей показало: входной фильтр в новой модели работает жёстче, чем в старой — 75% рукописей отсеиваются на этапе первичного отбора против прежних 68%. Согласованность между рецензентами низкая, но ровно такая же, какой она была в старой модели и какой остаётся в традиционных журналах в целом.

🤩 Мы решили посмотреть на происходящее с eLife через данные OpenAlex.

Общее число публикаций в журнале росло с 2017 по 2021 год — с ~1 300 до ~2 000 статей в год, — затем несколько просело и вновь резко выросло в 2023–2024 годах, достигнув пика в ~2 700. Однако в 2025 году последовал спад до ~2 400. Это согласуется с официальными данными журнала: начало падения подач совпало с объявлением об исключении из WoS (рис. 1).

🤩 Китай вновь вызывает интерес

Из пятерки стран-лидеров показатели Китая более всего подверглись коррекции. Показательна как динамика в рамках международных коллабораций: 59 совместных работ в 2017 году — 336 в 2024 году — и только 280 в 2025 году (рис. 2), так и изменение числа публикаций с исключительно китайской аффилиацией; до 2023 года таких работ было немного (от 28 в 2017 до 88 в 2023), однако в 2024 году — именно тогда, когда журнал объявил о потере импакт-фактора — число таких публикаций резко выросло до 217, а в 2025 сократилось почти на 40 %, до 134 (рис. 3).

🤩 Россия: две волны

До 2022 года публикации с российской аффилиацией росли, но не так значительно в количественном отношении — с 2 в 2017-м до 35 в 2022-м. После 2022 года рост продолжился и достиг пика в 50 статей в 2023 году, после чего стабилизировался. Отмена индексации, судя по всему, не оборвала публикационную активность в eLife — по крайней мере пока (рис. 4).

🤩 Топ организаций

Пятёрка лидеров по публикациям в eLife остаётся западной: HHMI, Harvard, CNRS, Inserm и Oxford. Harvard после пика 2023 года (135 публикаций) заметно сократил присутствие в журнале — в 2024 показатель опустился до 95, и в 2025 восстановления не последовало. Присутствие французских CNRS и Inserm резко снизилось в 2024 году, а доля HHMI наоборот увеличилась.

#рецензирование #аналитика #WoS #eLife #препринты #openaccess

​​Рейтинг умер. Да здравствует рейтинг: что случилось с главным журнальным рейтингом Китая

В марте 2026 года произошло событие, которое встряхнуло китайскую академическую среду: Китайская академия наук (КАН) прекратила публикацию своего списка журналов (Journal Partition Table) — главного инструмента классификации научных изданий в стране. За 20 лет список прошел путь от библиометрического инструмента до неформального стандарта: её зоны оказались встроены в критерии присуждения степеней, найма и финансирования по всей стране.

Но более значимо то, что произошло в Китае за три дня до официального заявления. Частная структура Xinrui Academic опубликовала свой список (Xinrui Journal Partition Table), покрывающий более 22 000 журналов (по сути это обновленная версия списка журналов КАН). Публично доступные документы указывают на то, что юридический представитель Xinrui был руководителем проектов списка КАН, а куратор — главой команды по связям с пользователями в КАН. Иными словами, та же команда вышла из государственного института и воссоздала себя в частной структуре.

Рейтинг журналов КАН был примечателен сам по себе. Подход составителей к оценке журналов характеризовался как довольно жесткий: журналы Web of Science делились на четыре зоны по трёхлетнему импакт-фактору, но в Зону 1 попадали лишь топ 5% журналов, в Зону 2 — 6–20% журналов. То есть Зона 1 КАН была в пять раз строже, чем традиционный Q1 от Clarivate — и именно этот статус стал главным маркером научного престижа в Китае (см. рис.).

Xinrui утверждает: «изменился только издатель, результаты сохраняют преемственность». И это правда: методология аналогична, охват журналов сопоставим. Из новшеств — бесплатный доступ и увеличившийся список журналов, находящихся на дополнительной экспертизе качества (37 журналов под проверкой вместо прежних 5; заметим, что 5 журналов из обновленного списка имеют отношение к России). Но ключевая проблема никуда не делась: алгоритмы зонирования по-прежнему закрыты, «Индекс превосходства журнала» непрозрачен, а критерии «равноценной оценки» китайских журналов не опубликованы.

Автор недавно вышедшего препринта называет это «институциональным замещением без структурной реформы»: иначе говоря, инфраструктура меняет хозяина, но не характер.

Почему приватизация может усугубить ситуацию

Парадокс в том, что отказ от списка журналов КАН в традиционном формате мог бы стать началом реформы оценки, но, вероятно, так и не приведет к ней, хотя такие исторические примеры здесь можно привести. Так, в 2011 году Австралия упразднила журнальные рейтинги в государственной системе оценки ERA, не допустив частной замены, и тем самым вынудила университеты разработать более содержательные критерии оценки. Сейчас же скорее стоит ожидать замены университетами «Зоны 1 КАН» на «Зону 1 Xinrui» в своих документах без пересмотра логики. При этом частная структура лишена институциональных сдержек. Если Xinrui когда-нибудь перейдёт к платным подпискам, у неё появится прямой коммерческий интерес в том, чтобы университеты оставались зависимы от зонирования.

Параллельный удар по открытому доступу

Одновременно КАН ввела ограничения на оплату APC: с 1 марта 2026 года исследователям запрещено тратить государственные средства на публикации в ~30 дорогостоящих журналах открытого доступа — в том числе Nature Communications ($7 350), Cell Reports ($5 790), Science Advances ($5 450). Таким образом установлен потолок около $5 000.

Масштаб ощутимый: около 40 % статей в каждом из этих журналов имели хотя бы одного автора из китайских учреждений. В связке с рейтинговой системой Xinrui, специально поощряющей китайские журналы, картина складывается в единую стратегию перенаправления публикационных потоков от западных изданий к китайским.

#обзор #рейтинги #Китай #Китайскаяакадемиянаук #рейтингижурналов #спискижурналов

Игра по правилам и без: как издатели «большой пятёрки» регулируют ИИ.

Пока одни исследователи спорят о границах допустимого, а другие уже вовсю используют ИИ для написания статей (и иногда рецензирования работ), крупнейшие издательства вынуждены формулировать свои ответы на наболевший вопрос: как сохранить целостность научной коммуникации в условиях, когда граница между человеческим и машинным авторством становится всё более размытой.

Авторы статьи в Research Evaluation сравнили политики регулирования ИИ издательств большой пятерки (Elsevier, Springer Nature, Wiley, Taylor & Francis и SAGE), чтобы выяснить, насколько согласованно индустрия отвечает на этот вызов.

Исследователи выделили девять тематических категорий в текстах политик и сравнили, насколько каждое издательство их охватывает (см рис.). Также они отметили три системные проблемы.

🤩 декларации без механизмов: что «нельзя» – написано, что будет за нарушение – почти нигде;

🤩 граница между «ИИ помог» и «ИИ написал» нигде не определена четко.

🤩 требования к авторам прописаны куда строже, чем к рецензентам и редакторам.

Политику всех пяти издательств объединяет запрет указывать ИИ в качестве автора и требование раскрывать факт его использования. При этом подход к описанию регулирования ИИ расходится. Например, Wiley делает акцент на этике и подотчётности, Elsevier смещает фокус на рецензирование и редакторские процедуры, Taylor & Francis чётче других прописывает запреты, SAGE придерживается умеренной позиции, а Springer обходится кратким и абстрактным текстом.

За рамками технических вопросов авторы поднимают и более глубокую проблему. Для исследователей из незападных стран и неносителей английского языка ИИ-инструменты нередко становятся способом привести текст в соответствие с редакционными стандартами ведущих журналов. В этом контексте размытые и непоследовательные запреты рискуют ударить прежде всего по тем, кто и без того находится в менее выгодном положении.

По мнению авторов, на текущий момент индустрия нуждается в согласованных межиздательских стандартах, прозрачных механизмах аудита и готовности выстраивать правила на опережение, а не в ответ на уже возникшие трудности. До тех пор пока этого не произойдёт, разрозненность политик будет незаметно, но неуклонно подтачивать доверие к самой системе оценки научных исследований.

#обзор #ИИвнауке #академическиеиздания #авторство #OpenAccess #publishingpolicy

​​SJR 2025: ежегодное обновление

Вчера Scimago Journal & Country Rank выпустил обновление квартилей SJR. В 2025 году список расширился: SJR рассчитан для 32 193 журналов, что ощутимо больше, чем в предыдущие годы. Для сравнения: в 2024 году список насчитывал 29 553 издания, в 2023 — 29 817.

Как и всегда, мы рассмотрели изменение позиций российских журналов, вошедших в текущий список. В 2025 году SJR рассчитан для 649 журналов (в 2024 году — для 625 с учетом текущих данных). Данные показывают, что доля изданий, входящих в верхний квартиль, выросла на 5,5 % (с 91 до 96) в сравнении с 2024 годом, при этом 4 журнала, не индексировавшихся ранее в Scopus, сразу вошли в категорию Q1. Также на 5 % увеличилось количество журналов Q2 (с 98 до 103). Почти стабильные значения сохранились для Q3 (179 в 2025 и 176 в 2024), а список журналов Q4 расширился незначительно: на 4 % (с 258 журналов до 269). 28 журналов, которым в 2024 году не был присвоен квартиль, сейчас распределились следующим образом: 4 был присвоен Q1, 5 — Q2, 6 вошли в Q3 и 13 в Q4. Всего 4 журнала из списка 2024 года с присвоенными квартилями в этом году остались без него. В целом свой статус повысили 11 журналов, а понизили — 87.

Динамика изменений квартилей российских журналов за четыре года (2025, 2024, 2023 и 2022) представлена на интерактивной sankey-диаграмме. В этот раз мы дополнили её переходами между квартилями с весом по числу статей — так можно не только отследить, как журналы меняли свои «весовые категории» от года к году, но и оценить, какой объём публикаций стоит за каждым таким переходом. Под диаграммой можно найти таблицу с поиском по отдельным журналам, издательствам и областям.

#scopus #SJR #квартили #россия #научныежурналы #инфографика #scimago

​​Дайджест март 2026:

Представляем дайджест научных событий за последний месяц.

Научная политика

• Китай в новом пятилетнем плане делает ставку на увеличение доли оригинальных научных исследований, стремясь снизить зависимость от зарубежных технологий и укрепить научно-технологическую самостоятельность.

• В Times Higher Education обсудили исследование Лондонской школы экономики, согласно которому «штраф за материнство» существенно влияет на академическую карьеру. Почти каждая третья женщина покидает науку в течение нескольких лет после рождения ребёнка, а вероятность получения постоянной позиции у женщин остаётся значительно ниже, чем у мужчин.

• В LSE Blog также затронули тему представления о гендерном неравенстве в науке: классическое утверждение о том, что женщинам-учёным необходимо работать в 2,4 раза больше для достижения того же статуса, было поставлено под сомнение.

Научные премии

• В Science подвели итоги конкурса Dance Your PhD 2026: главный приз получил физик и профессиональный танцор, а также впервые была вручена отдельная награда за концепцию танца с использованием ИИ.

• В Science сообщили, что спустя 35 лет церемония Шнобелевской премии покинет США и переедет в Швейцарию.

Рейтинги и базы данных

• В Nature вышел обзор 13 лет работы bioRxiv: за это время платформа стала одной из ключевых площадок для публикации препринтов, с неё ежемесячно скачивают около 4 млн статей.

• В LSE Blog обсудили риски для рейтинга Webometrics: несмотря на его ценность как альтернативы традиционным рейтингам, проект сталкивается с угрозами со стороны «хищнических» искажений показателей.

• Один из старейших серверов препринтов arXiv после более чем 20 лет работы при Корнеллском университете станет независимой некоммерческой организацией.

• В Science сообщили, что отношение к препринтам в научном сообществе остаётся неоднозначным: молодые исследователи чаще используют их для продвижения своих работ, тогда как эксперты по грантам и комиссии по найму по-прежнему относятся к ним с осторожностью.

Научная этика

• В Nature снова обратили внимание на проблему восприятия ретракций: несмотря на их роль в исправлении научных ошибок, за ними закрепился негативный стигматизирующий образ. Часть научного сообщества призывает относиться к ретракциям как к естественной форме самокоррекции науки.

• В The Scholarly Kitchen обсудили роль «сплетен» в научных публикациях: неформальные разговоры между учёными продолжают влиять на оценку исследований, репутации авторов и принятие редакционных решений.

• Retraction Watch сообщает о случае, когда издатель потребовал деньги за отзыв статьи от автора, чьё имя было использовано без его ведома.

ИИ в науке

•Опубликованы результаты экспертной оценки AI Scientist — инструмента для автономных исследований, представленного в 2024 году. Анализ выявил как сильные стороны системы, так и её ограничения, подчёркивая текущие границы применения ИИ в научной работе.

• В Nature сообщили, что рентгенологам, как и большим языковым моделям, все труднее отличать настоящие медицинские снимки от сгенерированных изображений. При этом сгенерированные изображения уже начинают попадать в обучающие выборки, что создаёт риск накопления ошибок и искажения результатов диагностики.

Наука в России и мире

• Pleiades Publishing уведомило 108 российских научных журналов о прекращении выпуска их англоязычных версий и распространения через свои каналы. Решение связано с завершением в конце 2026 года контракта со Springer Nature.

• НБЖД сообщает, что англоязычная Wikipedia ввела полный запрет на написание и редактирование статей с использованием нейросетей.

#новостинауки #наукавмире #наукавроссии #научнаяэтика #научнаяполитика #arxiv #рейтинги #базыданных

🌸APRES: An Agentic Paper Revision and Evaluation System🌸
#nlp #nlp_papers

Может ли процедура рецензирования быть автоматизирована? И как к этому вопросу вообще подойти, чтобы адекватно оценивать идеи и их реализацию?
Применяем агенты на стыке LLM-агентов и наукометрии.

🌸TL;DR
Рецензенты оценивают статьи относительно стандартов науки, устоявшихся годами, но год от года меняющихся.
Можем ли мы, посмотрев на исторические данные, построить систему, которая предсказывает эти стандартны, и непосредственно оценивает по ним, насколько статья будет импактной, важной для сообщества?
В качестве прокси-метрики можно взять количество цитирований другими импактными статьями спустя год после публикации. 
Оценивая статью по предсказанным рубрикам, скоррелированным с будущими цитированиями, мы можем итеративно улучшать уже готовую статью, чтобы в конце концов максимально оптимально донести свою мысль, чтобы статья была полезна.

🌸Общий пайплайн
берем AIDE или другой Tree Search скаффолд, даем ему набор рубрик для старта — у нас это критерии оценки NeurIPS.
Другие компоненты агента: o1 или Gemini 2.5, а также парсер статей

1. Предсказываем рубрики
Генерация рубрик: LLM-агент генерирует или уточняет набор из k элементов рубрики для рецензирования (например, «техническая обоснованность» или «ясность изложения»).
Оценка: Агент-рецензент оценивает статьи в датасете по этим элементам рубрики, присваивая баллы.
Анализ: Модель отрицательной биномиальной регрессии прогнозирует количество цитирований на основе баллов, с измерением качества прогноза через MAE.
Выбор и уточнение: Система выбирает наиболее эффективную рубрику и возвращает её для дальнейшего уточнения.
Этот процесс замкнутой оптимизации продолжается до сходимости, обычно в пределах 25 итераций. По итогу имеет более детальные рубрики, куда более конкретные, чем изначальные от конференции/журнала.

2. Оптимизирует текст статьи
После того как оптимальная рубрика R* найдена, она используется для автоматизированной ревизии статьи:
— Система сначала оценивает исходную статью по найденной рубрике, генерируя как количественные баллы, так и конструктивную обратную связь.
— LLM-агент-редактор предлагает изменения, направленные на повышение баллов статьи по рубрике R*.
Переработанная версия статьи повторно оценивается, и процесс итеративно продолжается до сходимости, при этом все версии отслеживаются, а лучшая версия выбирается для дальнейшего уточнения.


🌸Результаты:
— Mean Averaged Error предсказания цитирований у такого метода примерно на 20% лучше альтернатив, а общий прирост предсказанных цитирований больше, причем основные идеи и результаты статьи не редактируются.
— Метод также снижает разброс оценок статьи среди рецензентов, а сами рубрики легко валидировать.
— Рубрики, полученные методом оптимизации, дают более серьезное улучшение качества статьи, чем использование реальных гайдлайнов рецензирования -- они, как правило, не достаточно подробные, и могут по-разному трактоваться. Сгенерированные подробные рубрики оценки статей задают гораздо более детальные и интересные критерии (см аппендикс статьи)

— В эксперименте с двойным слепым рецензированием с PhD ML рецензенты предпочитали улучшенные версии статей в 79% случаев.
Улучшение в среднем достаточно существенное: может вывести статью из Clear reject в Borderline, из Borderline в Accept -- при условии, что сама идея изначально полезная, и сам текст статьи плохо написан.

— Оценка результатов рецензирования и будущих цитирований -- очень спекулятивная тема.  Мы прекрасно знаем, что большая доля статей на NeurIPS годами получает случайные решения.
Теперь, когда объем статей на историческом максимуме и стресс-тестирует все сообщество, автоматические инструменты просто необходимы. В целом, если все авторы будут использовать что-то подобное, суммарная проблема неконсистентности ревью может частично решиться.

🟣Arxiv https://arxiv.org/abs/2603.03142
🟣AlphArxiv https://www.alphaxiv.org/overview/2603.03142