epistemology

一篇预印本论文认为，AI 可以映射已知的生物学，但无法执行“种类形成”——即创造新的变量和约束——这需要人类科学家的具身参与。作者提出了一套课程体系，旨在培养科学家成为“未参数化检测器”，以在生物发现中补充 AI 的能力。

本立场论文认为，机器学习中的真实标准数据集并非客观真理，而是由选择塑造的人为构建，并主张阐明这些选择以提高可靠性、透明度和问责性。

本文提出了一个对抗性社会认识论框架，用于分析涉及人类和大型语言模型的交流景观中的信任、欺骗和推理链，并概述了审计信任违规的机制。

本文提出了一种概念与方法论框架，用于评估AI辅助研究中的证据许可声明，强调校准作为管理科学断言权利的机制，并区分不同的AI研究路径。

本文认为概率理论是一种历史演变的理性形式，追溯了其从组合博弈到贝叶斯推断的发展，并与模糊逻辑和深度学习进行了对比。

本文探讨模型崩塌不是技术缺陷，而是认识论问题：当AI模型的输出成为自身输入时，模型对现实的表征逐渐扁平化为一种自我指涉的平均值，这引发了我们如何区分一个建模世界的模型与一个只建模自身的模型的问题。