非常有趣的研究，探討了實證研究如何應對AI時代。 傳統的統計檢驗使用p值，源於一個每次測試都被認為相當昂貴的世界。現在，AI使得每次測試基本上是免費的。 摘要中的一些關鍵點： --"我們證明了，當測試變得便宜時，篩選會崩潰，除非所需的穩健性檢查數量至少按每次測試的逆成本線性增長" --"我們主張需要開發方法來同時解釋多個規範的集合" 是的！我仍然不確定這將如何看起來和感覺，但這顯然是所需的。而且它必須雙向進行： (1) 捕捉和阻止挑選的研究結果 但同樣重要的是： (2) 偵測和獎勵好的研究結果。 這裡的第二點在某些方面可能會更難。我們的直覺似乎都圍繞著顯示一個發現是"不如我們想的那麼穩健"，並要求發表結果有一種虛假的完美感。當我們能看到整個發現的星座時，我們需要找到正確的方法來更寬容/現實地看待什麼算是有用的信息。