AI Science Tracker
FR

Jeu de données et API des découvertes scientifiques avec l’IA

Le catalogue est ouvert : téléchargez-le en JSON ou CSV, validez-le contre un schéma, ou lisez des enregistrements un par un via une API statique en lecture seule. Chaque composant conserve sa licence déclarée.

Téléchargements des découvertes scientifiques

Télécharger le CSV · Télécharger le JSON · Licence et citation · Instantané actuel et empreintes des fichiers

Comparer les collections

Les unités et les dates diffèrent selon les composants. Un instantané de contenu identifie les fichiers, pas un jour commun d’acquisition ni une relecture scientifique. Les dates de source ci-dessous gardent leur sens d’origine. Les décomptes actuels exigent le manifeste des composants ; les téléchargements restent disponibles sans JavaScript.

Fichiers de la collection actuelle, couverture et conditions de réutilisation
CollectionDénombrement et unitéDates et sourceFormats et empreinte exacteLicenceCouvertureDOI / version

Le manifeste des composants indique le condensat SHA-256 et la taille en octets de chaque fichier JSON et CSV des collections actuelles. Les conditions de réutilisation de chaque composant archivé figurent dans le manifeste de sa version.

Téléchargements

Explorez la comparaison de couverture du catalogue et d’éléments, ou téléchargez les décomptes par année et domaine en CSV. La comparaison explique les lacunes d’annotation et les limites de décompte avant de réutiliser les enregistrements.

  • Découvertes : discoveries.json (enregistrements complets, y compris éléments, périmètre de relecture facultatif, suites et relations) et discoveries.csv (colonnes d’éléments et de réserves ; relecture structurée, suites et relations encodées en cellules JSON).
  • Vulnérabilités trouvées avec l’IA : vulnerabilities.json et vulnerabilities.csv (identifiants CVE séparés par des points-virgules, avec classification et réserves sur le correctif). Une ai_attribution_date inconnue vaut null en JSON et une cellule vide en CSV ; il faut la traiter à part d’un compte daté. Ces cas sont séparés du décompte scientifique.
  • Progrès des modèles : model-progress.json, l’instantané de capacité et de benchmarks importé séparément d’Epoch AI, CC BY 4.0. Import et interprétation. Les fiches sources peuvent recouvrir des publications notables et ne doivent pas être ajoutées au décompte de cette collection.
  • SWE-bench Verified : swe-bench.json, une sélection séparée d’exécutions officielles d’évaluation de mini-SWE-agent, sous CC BY-NC 4.0 (réutilisation non commerciale seulement). Ce composant est exclu de la concession CC BY 4.0 du catalogue et des exports actuels du catalogue sur Hugging Face. Périmètre et attribution.
  • Autres données de référence : répertoire des benchmarks, avec des fichiers JSON par source, leur attribution et leurs licences CC BY 4.0, CC BY-SA 4.0, MIT ou Apache-2.0. Ces instantanés conservent les licences de leurs sources et sont exclus de l’export du catalogue sur Hugging Face. Sélections, attribution et règles de réutilisation.
  • Modèles : models.json, produit à partir des données d’Epoch AI, qui conserve sa propre attribution CC BY 4.0.
  • Métadonnées de citation : citations.json, métadonnées OpenAlex CC0 ; l’appariement est sélectif. Les découvertes archivées conservent des enregistrements historiques hors des décomptes actifs. Les alias d’entités relus conservent les libellés des sources tout en regroupant les alias exacts.
  • Chaque fichier est aussi disponible depuis le dépôt, dont les publications sont archivées sur Zenodo.

Le CSV complet des découvertes et le CSV filtré renvoient tous deux à la page canonique de chaque fiche. Une apostrophe est ajoutée devant les cellules CSV qui commencent par un caractère de formule de tableur. Le JSON conserve les valeurs d’origine.

Jeu de données des vulnérabilités trouvées avec l’IA

La collection de sécurité enregistre des résultats divulgués publiquement avec une participation de l’IA attribuée par les sources. Lisez les cas individuels et leurs éléments originaux sans JavaScript, ou utilisez les téléchargements JSON et CSV ci-dessus. Elle suit des vulnérabilités trouvées avec l’IA, et non un recensement des vulnérabilités dans les logiciels d’IA. Cas, CVE et rapports de source ont des unités de décompte différentes ; les correctifs documentés n’établissent ni des correctifs installés ni la sûreté actuelle d’un produit.

Le jeu de données sur Hugging Face réplique les fichiers JSON et CSV scientifiques et de sécurité mis en ligne. Zenodo archive au maximum une version GitHub par jour UTC. Ses fichiers peuvent donc être moins récents que ceux du site et du miroir. Citez le DOI de la version ZIP utilisée et relevez son snapshot_sha256 dans api/v1/manifest.json. Avant toute réutilisation, vérifiez les licences des composants de cette archive, notamment celles de SWE-bench Verified et de CharXiv.

API statique

Il n’y a pas de serveur : l’API est un ensemble de fichiers JSON statiques, régénérés avec le site, donc les réponses sont mises en cache par GitHub Pages pendant environ dix minutes et autorisent les lectures d’autres origines. Le filtrage se fait côté client.

  • api/v1/index.json : décomptes, une empreinte SHA-256 des découvertes actives, des vulnérabilités, des modèles et des découvertes archivées, la date d’ajout la plus récente, la licence, la citation et les adresses des points d’accès. Le champ historique data_version_date est un alias de cette date d’ajout, pas une date de dernière modification.
  • api/v1/discoveries/ID.json et api/v1/vulnerabilities/ID.json : un enregistrement par fichier. Exemple : api/v1/discoveries/2020-02-halicin.json.
  • Les listes actives complètes sont les fichiers JSON sous Téléchargements. Les identifiants restent stables, y compris les slugs historiques, mais les découvertes archivées sont retirées de l’API active ; leurs pages historiques de partage restent disponibles.
  • La version dans le chemin ne change que si un champ est retiré ou renommé.

L’empreinte historique du catalogue hache du JSON UTF-8 contenant ces quatre jeux dans cet ordre, avec des clés d’objets triées, des séparateurs compacts et l’ordre d’origine des tableaux. Elle identifie le contenu, pas une date de relecture. Le manifeste de composants séparé couvre tous les fichiers de la collection avec des empreintes exactes des octets. Les pages interactives valident les octets qu’elles affichent contre un seul manifeste et réessaient une fois si un déploiement change pendant le chargement. Un écart persistant est visible, et la recherche ainsi que les exports restent indisponibles jusqu’au chargement d’un instantané cohérent.

Schémas

Les enregistrements suivent JSON Schema (brouillon 2020-12) : discoveries.schema.json et vulnerabilities.schema.json. Le sens des champs est décrit dans les documents du dépôt docs/discovery-schema.md et docs/vulnerability-schema.md. Un paper_url vide signifie qu’aucun lien d’article n’est établi, pas qu’aucun n’existe.

Les décomptes décrivent des fiches du catalogue, qui peuvent se recouvrir ou regrouper des résultats liés, et non des résultats indépendants. Voir la couverture des annotations d’éléments et la composition des sources primaires par année avant d’interpréter des annotations manquantes ou de comparer des sous-ensembles.

Exemples

  • 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())

Licence et citation

Le contenu du catalogue est sous CC BY 4.0 : créditez « AI Science Tracker » avec un lien. Citez le catalogue archivé comme doi:10.5281/zenodo.24217686 ; cela cite le catalogue, pas les articles scientifiques sous-jacents, à citer depuis la source de chaque enregistrement. Les chiffres viennent des sources et n’ont pas été vérifiés de façon indépendante, et la couverture est manuelle et incomplète. Voir la méthodologie pour ce qui est inclus.

Modifications

Le journal des modifications liste les changements de données et de format, et le flux Atom liste les ajouts de découvertes par date d’ajout et les cas de vulnérabilité par date de vérification de la source ; ce n’est pas un historique complet des changements.