GitScholar：一个利用 GitHub 互动度预测 AI 研究影响力的数据集

随着 AI 研究的快速发展以及每天数百篇新论文的发表，及时了解最新进展变得越来越困难。对于研究人员而言，快速识别具有影响力的工作至关重要，但人工审阅每一篇新发表的论文并不现实。自动化影响力预测方法有助于应对这一挑战，通常会结合各种可用信息来源，例如论文内容或引用历史。在本研究中，我们提出将 GitHub 互动度作为额外的信息来源，并证明它能够提供及时且准确的信号。为此，我们推出了全新的数据集 GitScholar，将来自 444,000 个代码仓库的 GitHub 活动与超过 558,000 篇 AI arXiv 论文关联起来。实验结果表明，与强大的学术基线相比，GitHub 反馈可将早期预测的精确率提高最多 12%。此外，我们发现，GitHub 信号几乎能够覆盖所有高影响力 AI 论文，并且始终与未来的学术成就相关。GitScholar 已公开发布于 https://huggingface.co/datasets/huawei-csl/GitScholar。