arXiv cs.AI· Max Achterweust, Stefan Groot Nibbelink, Vincent J. de Beer, Stefan Schipper, Zeynep Y\"uksektepe, Pedro Andrade da Silva, Aurelia Peppelaar, Martijn J. van der Willigen, Christophe B. Minkenberg, Robert F. van der Willigen·· 3 天前AI 评分23
PRAISE：面向非程序员科学家的可复现 AI 模型实现工作流
PRAISE: A Reproducible Workflow for Non-Programmer Scientists to Implement Published AI Models
AI 导读
研究人员提出 PRAISE（Practical, Reproducible AI-model Implementation for Science and Education）工作流，帮助无编程经验的科学家逐步实现已发表的 AI 模型，并针对常见失败提供回退路径。
正文 · AI 翻译
摘要：人工智能（AI）模型正越来越多地在各个科学领域被开发、发布和使用。希望将这些模型应用于自身研究问题的研究人员、学生和行业从业者往往缺乏编程和数据科学方面的专业知识。现有指南涵盖了单个步骤，但未涵盖从已发布模型到在自有数据上获得可用预测的完整路径。在此我们介绍实践工作流程 PRAISE，即面向科学与教育的实用、可复现 AI 模型实现（Practical, Reproducible AI-model Implementation for Science and Education），它帮助非程序员逐步实现已发布的 AI 模型。由于实现过程很少一次成功，PRAISE 预见了常见失败，并为每种失败提供了回退路径。作为原理验证，三名化学专业本科生及其导师在没有任何编程或数据科学知识的情况下应用了 PRAISE。他们复现、验证并扩展了一个预测酶-底物相互作用的最先进模型。这表明，借助 PRAISE，从文献中实现 AI 模型成为一项可习得的技能，它使非程序员科学家从 AI 模型的使用者转变为评估者和改进者。
| 评论： | 20 页，双栏，LaTeX，5 幅图 |
| 主题： | 人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.16980 [cs.AI] |
| （或 arXiv:2610.16980v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.16980 arXiv 颁发的 DOI 经由 DataCite（待注册） |
提交历史
发件人：Stefan Groot Nibbelink [查看电子邮件]
[v1]
2026 年 10 月 12 日星期一 15:39:12 UTC（1,126 KB）
来源：arXiv cs.AI · arxiv.org