Ai2发布科研想法新颖性评测资源
热点事件持续更新
Ai2发布科研想法新颖性评测资源
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Ai2发布论文《Old Ideas, Novel Problems》、评测基准、数据、代码及自动构建评估集的流水线，用于测试大语言模型判断科研想法新颖性的可靠性。六个LLM裁判的评测显示，提示词等设置变化会显著改变结论：GPT-5.4在Human+Generated数据集上的准确率可由93.5%降至40.9%，增加检索与推理也未带来稳定提升。
AI 根据报道生成 · 59 分钟前更新
最新进展10月28日 00:12
Ai2 发布 LLM 研究想法新颖性评测研究 Old Ideas, Novel Problems报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- Hugging Face Blog精选Ai2 发布 LLM 研究想法新颖性评测研究 Old Ideas, Novel Problems
Ai2 发布论文 Old Ideas, Novel Problems、评测基准、数据和代码，用于测试 LLM 判断科研想法新颖性的可靠性。六个 LLM 裁判的结果显示，评测设置的细微变化可显著改变结论；GPT-5.4 在 Human+Generated 数据集上的准确率可因提示词变化从 93.5% 降至 40.9%，而增加检索与推理也未带来稳定提升。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。