在人工智能（AI）研究领域，论文的创新性（novelty）是衡量其学术价值和影响力的关键因素。评价AI论文的novelty是一个复杂且主观的过程，涉及多个维度和视角。

以下是对AI论文中的novelty如何评价的详细介绍：

1. 问题和方法视角：

   • 从问题和方法的视角来看，如果一篇论文提出了一个全新的问题或采用了一种全新的方法，那么这通常被认为是具有高创新性的工作。例如，如果一篇研究提出了一个之前未被探讨的问题，或者使用了一种全新的算法来解决现有问题，这样的工作往往能够引起学术界的关注。
   • 如果一篇论文虽然研究的是老问题，但采用了新的方法，并且这种方法能够显著提高原有研究的指标或效率，这也被认为是具有创新性的。

2. 研究对象视角：

   • 研究对象的创新也是评价novelty的一个重要方面。比如，深度学习算法最初在图像识别领域取得了巨大成功，但如果将其应用到音频识别或自然语言处理上，这种跨领域的应用也被视为具有创新性。

3. 结论视角：

   • 最根本的novelty来自于结论的创新。这意味着论文需要做出新的发现、提出新的现象、发明新的方法或更新已有的结果。如果一篇论文的结论前所未见，或者其影响力很大，那么这篇论文的创新性就很高。

4. 价值视角：

   • 研究的实际价值也是评价novelty的一个关键因素。即使一篇论文的研究只是在现有基础上进行了微小的创新，但如果这种创新对实际产业或社会有巨大的价值，那么这仍然可以视为具有很高的创新性。

5. 创新性的分级：

   • 创新性可以被分为不同的层次。最顶级的创新性称为“开创性”，即发现了一个全新的问题或创造了一个全新的方法。其次是在开创的领域内挖掘一个小领域，比如在深度学习框架内创新图卷积神经网络算法。再次是对现有工具的改进和完善，或者将现有工具应用于新的任务中。最低层次的创新性是指问题和方法都没变，只是调整细节或增加数据。

6. 审稿人的主观判断：

   • 审稿人在评价novelty时，往往会受到个人知识、经验和直觉的影响。他们会根据自己的专业背景和对领域内最新研究的了解来评估论文的novelty。因此，不同审稿人对同一篇论文的novelty评价可能会有所不同。

7. 避免常见错误：

   • 在评价novelty时，审稿人需要避免将工作的复杂性、技术实现的难度或工作的困难性与创新性混淆在一起。简单并不意味着不创新，而复杂的工作也不一定就具有高创新性。

总之，评价AI论文的novelty是一个多维度、主观性强的过程。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。