Ai2评测大模型判断研究创意新颖性
热点事件持续更新
Ai2评测大模型判断研究创意新颖性
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Ai2发布《Old Ideas, Novel Problems》研究及配套基准、数据、代码和自动化评测流水线，用于测试大模型判断科研创意新颖性的可靠性。Human+Generated数据集上的结果显示，仅改写提示词，就可能使GPT-5.4的准确率从93.5%降至40.9%；增加检索和推理预算也未稳定提升判断效果。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 00:12
Ai2 研究 LLM 判断研究想法新颖性的可靠性报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- Hugging Face Blog精选Ai2 研究 LLM 判断研究想法新颖性的可靠性
Ai2 发布《Old Ideas, Novel Problems》研究及配套基准、数据和代码，用于评估 LLM 判断科研想法新颖性的可靠性。结果显示，仅改写提示词就可能使 GPT-5.4 在 Human+Generated 数据集上的准确率从 93.5% 降至 40.9%，增加检索和推理预算也未稳定提升判断效果。
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。