AI论文的创新性是指在特定领域或问题上，提出了新的观点、方法或理论，对现有知识体系进行了突破性的贡献。

AI论文的创新性主要体现在以下几个方面：

1. 理论创新：

   • 提出新的概念、模型或理论框架。例如，深度赋智等中国团队开发并开源的多Agent开发框架MetaGPT，在ICLR 2024中得到了高分评价，这可以视为理论创新的一个实例。
   • 对现有理论进行修正和完善。通过深入研究某一领域内的经典理论和最新进展，发现理论间的矛盾或未解决的问题，尝试提出新的解决方案。

2. 方法创新：

   • 采用新颖的研究方法或技术手段来解决问题。例如，纽约大学和法兰西公学院的研究团队对图像扩散模型的泛化和记忆进行了深入分析，提出了几何自适应谐波表示的概念，这属于方法创新。
   • 在已有方法的基础上进行改进。关注本学科最新的研究方法和技术发展，评估其适用性，探索将这些新方法应用于自己研究的可能性。

3. 应用创新：

   • 将理论或方法应用于新的场景或领域，解决实际问题。例如，同济大学研二学生陈涵晟等人在CVPR会议上获奖的论文，提出了一种新方法EPro-PnP，创造性地引入概率分布，将几何推理和深度学习两种方法无缝衔接，形成了一个端到端的易用模型，可以快速估算3D物体的位姿，该方法有望用于自动驾驶、机器人、无人机、AR等诸多需要通过视觉来估算物体位姿的场景。

4. 视角创新：

   • 从不同的角度审视问题，提供新的分析视角。打破常规思维模式，勇于质疑现有的观点，尝试从社会学、心理学、经济学等多个角度综合考虑问题。

总的来说，AI论文的创新性是衡量其学术价值和影响力的关键因素。研究者需要在撰写论文时注重novelty的体现，而审稿人则需要综合考虑多个因素来公正地评价论文的novelty。同时，研究者也需要认识到novelty并非一成不变，随着研究的深入和技术的发展，今天的novelty可能会成为明天的常态。因此，持续的创新和探索是科研工作的核心。