AI Science Tracker
ES

Conjunto de datos y API de descubrimientos científicos con IA

El catálogo es datos abiertos: descárguelo en JSON o CSV, valódelo frente a un esquema, o lea registros sueltos mediante una API estática de solo lectura. Cada componente conserva la licencia declarada.

Descargas de descubrimientos científicos

Descargar CSV · Descargar JSON · Licencia y cita · Instantánea actual y huellas de los archivos

Comparar las colecciones

Las unidades y las fechas difieren entre componentes. Una instantánea de contenido identifica los archivos, no un día común de adquisición ni una revisión científica. Las fechas de fuente de abajo conservan su significado original. Los recuentos actuales requieren el manifiesto de componentes; las descargas siguen disponibles sin JavaScript.

Archivos de la colección actual, cobertura y condiciones de reutilización
ColecciónRecuento y unidadFechas y fuenteFormatos y huella exactaLicenciaCoberturaDOI / versión

El manifiesto de componentes indica el hash SHA-256 y la longitud en bytes de cada archivo JSON y CSV de las colecciones actuales. Cada componente archivado conserva las condiciones de reutilización que figuran en el manifiesto de su versión.

Descargas

Explore la comparación de cobertura del catálogo y de evidencia, o descargue los recuentos por año y campo en CSV. La comparación explica los huecos de anotación y los límites de recuento antes de reutilizar los registros.

  • Descubrimientos: discoveries.json (registros completos, incluida la evidencia, el alcance de revisión opcional, el seguimiento y las relaciones) y discoveries.csv (columnas de evidencia y reservas; revisión estructurada, seguimiento y relaciones codificados como celdas JSON).
  • Vulnerabilidades halladas con IA: vulnerabilities.json y vulnerabilities.csv (identificadores CVE separados por punto y coma, con clasificación y reservas sobre la corrección). Una ai_attribution_date desconocida es null en JSON y una celda vacía en CSV; hay que tratarla aparte de un relato con fecha. Estos casos están fuera del recuento científico.
  • Progreso de modelos: model-progress.json, la instantánea de capacidad y benchmarks importada aparte de Epoch AI, CC BY 4.0. Importación e interpretación. Las fichas de la fuente pueden solaparse con publicaciones notables y no deben sumarse al recuento de esa colección.
  • SWE-bench Verified: swe-bench.json, una selección aparte de ejecuciones oficiales de evaluación de mini-SWE-agent, bajo CC BY-NC 4.0 (solo reutilización no comercial). Este componente queda fuera de la concesión CC BY 4.0 del catálogo y de las exportaciones actuales del catálogo en Hugging Face. Alcance y atribución.
  • Otros datos de referencia: directorio de evaluaciones con descargas JSON por fuente, sus atribuciones y licencias CC BY 4.0, CC BY-SA 4.0, MIT o Apache-2.0. Estas versiones conservan las licencias de sus fuentes y quedan fuera de la exportación del catálogo a Hugging Face. Selecciones, atribución y condiciones de reutilización.
  • Modelos: models.json, generado a partir de los datos de Epoch AI, que conserva su propia atribución CC BY 4.0.
  • Metadatos de citas: citations.json, metadatos OpenAlex CC0; el emparejamiento es selectivo. Los descubrimientos archivados conservan registros históricos fuera de los recuentos activos. Los alias de entidades revisados conservan las etiquetas de las fuentes al agrupar alias exactos.
  • Cada archivo está también en el repositorio, cuyas publicaciones se archivan en Zenodo.

El CSV completo de descubrimientos y el CSV filtrado enlazan a la página canónica de cada ficha. Las celdas CSV que empiezan con un carácter de fórmula de hoja de cálculo llevan un apóstrofo al inicio. El JSON conserva los valores originales.

Conjunto de vulnerabilidades halladas con IA

La colección de seguridad registra hallazgos divulgados públicamente con una participación de la IA atribuida por las fuentes. Lea los casos individuales y su evidencia original sin JavaScript, o use las descargas JSON y CSV de arriba. Sigue vulnerabilidades halladas con IA, no un censo de vulnerabilidades en el software de IA. Los casos, las CVE y los informes de las fuentes tienen unidades de recuento distintas; las correcciones documentadas no establecen parches instalados ni la seguridad actual de un producto.

El conjunto de datos de Hugging Face replica los archivos JSON y CSV de ciencia y seguridad publicados en el sitio. Zenodo archiva como máximo una versión de GitHub por día UTC. Sus archivos pueden ser anteriores a los del sitio y la réplica. Cita el DOI de la versión ZIP utilizada y anota su snapshot_sha256 en api/v1/manifest.json. Antes de reutilizar los datos, consulta las licencias de los componentes del ZIP, incluidas las condiciones específicas de SWE-bench Verified y CharXiv.

API estática

No hay servidor: la API es un conjunto de archivos JSON estáticos, regenerados con el sitio, así que GitHub Pages guarda las respuestas en caché unos diez minutos y permite lecturas de otros orígenes. El filtrado lo hace el cliente.

  • api/v1/index.json: recuentos, una huella SHA-256 de los descubrimientos activos, las vulnerabilidades, los modelos y los descubrimientos archivados, la fecha de alta más reciente, la licencia, la cita y las direcciones de los puntos de acceso. El campo histórico data_version_date es un alias de esa fecha de alta, no una fecha de última modificación.
  • api/v1/discoveries/ID.json y api/v1/vulnerabilities/ID.json: un registro por archivo. Ejemplo: api/v1/discoveries/2020-02-halicin.json.
  • Las listas activas completas son los archivos JSON bajo Descargas. Los identificadores permanecen estables, incluidos los slugs históricos, pero los descubrimientos archivados se retiran de la API activa; sus páginas históricas de compartición siguen disponibles.
  • La versión en la ruta cambia solo si se elimina o se renombra un campo.

La huella histórica del catálogo resume JSON UTF-8 que contiene esos cuatro conjuntos en ese orden, con claves de objeto ordenadas, separadores compactos y el orden original de las matrices. Identifica el contenido, no una fecha de revisión. El manifiesto de componentes aparte cubre todos los archivos de la colección con huellas exactas de los bytes. Las páginas interactivas validan los bytes que muestran frente a un solo manifiesto y reintentan una vez si un despliegue cambia durante la carga. Una discordancia persistente es visible, y la búsqueda y las exportaciones siguen no disponibles hasta que se carga una instantánea coherente.

Esquemas

Los registros siguen JSON Schema (borrador 2020-12): discoveries.schema.json y vulnerabilities.schema.json. El significado de los campos se describe en los documentos del repositorio docs/discovery-schema.md y docs/vulnerability-schema.md. Un paper_url vacío significa que no hay un enlace de artículo establecido, no que no exista ninguno.

Los recuentos describen fichas del catálogo, que pueden solaparse o agrupar resultados relacionados, no hallazgos independientes. Véase la cobertura de las anotaciones de evidencia y la composición de las fuentes primarias por año antes de interpretar anotaciones ausentes o de comparar subconjuntos.

Ejemplos

  • Shell: curl -s https://aisciencetracker.org/api/v1/index.json
  • Python: pandas.read_csv("https://aisciencetracker.org/data/discoveries.csv")
  • JavaScript: fetch("https://aisciencetracker.org/data/discoveries.json").then(r => r.json())

Licencia y cita

El contenido del catálogo está bajo CC BY 4.0: acredite «AI Science Tracker» con un enlace. Cite el catálogo archivado como doi:10.5281/zenodo.24217686; eso cita el catálogo, no los artículos científicos de fondo, que debe citar desde la fuente de cada registro. Las cifras las informan las fuentes y no se han verificado de forma independiente, y la cobertura es manual e incompleta. Véase la metodología para lo que está incluido.

Cambios

El registro de cambios enumera los cambios de datos y de formato, y el canal Atom enumera las altas de descubrimientos por fecha de alta y los casos de vulnerabilidad por fecha de comprobación de la fuente; no es un historial completo de cambios.