Forscher haben versucht, 2.200 Arbeiten von der International Conference on Machine Learning nachzubauen – eine der größten Reproduzierbarkeitsstudien in der KI-Forschung. Die Ergebnisse offenbaren, wo die Forschungspraxis funktioniert und wo es hapert: bei Code-Verfügbarkeit, Dokumentation und der praktischen Umsetzbarkeit von Ergebnissen. Solche Transparenz-Analysen sind wertvoll für die wissenschaftliche Gemeinschaft, um Standards zu verbessern. Für ein breites Publikum zeigt sie auch, wie rigoros (oder nicht) die Forschung hinter den AI-Durchbrüchen tatsächlich ist.
