Beichen Lu, Honglin Bao, Qi Huang, Qingguo Meng, James A. Evans · 2026 · arXiv
DOI: 10.48550/arXiv.2610.27296 · open-access PDF
Le progrès de l'intelligence artificielle est largement supposé s'élargir avec l'effort: plus de chercheurs, de documents et d'investissements devraient accélérer la découverte. Les théories de la croissance technologique localisent plutôt la difficulté de la découverte dans l'espace des idées. Ici, nous montrons que ni l'échelle ni l'espace ne suffisent: les percées dépendent de l'attention diversifiée, que la concentration collective peut épuiser. Au cours de 36 ans de science de l'informatique, nous analysons 7,2 millions de documents, 73 089 évaluations par les pairs et 3,7 millions de chercheurs et leurs changements de sujets.
Machine translation (Meta M2M100); the English original follows.
Progress in artificial intelligence is widely assumed to scale with effort: more researchers, papers and investment should accelerate discovery. Theories of technological growth instead locate the difficulty of discovery in the space of ideas. Here we show that neither scale nor space is enough: breakthroughs depend on diverse attention, which collective concentration can deplete. Across 36 years of computer science, we analyze 7.2 million papers, 73,089 peer reviews and 3.7 million researchers and their topic shifts. The field expanded while its attention narrowed sharply after the Transforme
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.27296, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange