热点事件持续更新
Ai2发布科研创意新颖性评测基准
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月28日，Ai2发布《Old Ideas, Novel Problems》研究、评测基准、数据和代码，用于测试大语言模型判断科研创意新颖性的可靠性。在Human+Generated数据集上，六个LLM评审对提示词变化高度敏感；其中GPT-5.4准确率从93.5%降至40.9%。增加检索和推理未稳定提升结果，两个专用系统的表现反而低于简单提示词基线。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 00:12
Ai2公开基准后发现，提示词变化显著影响六个LLM评审的新颖性判断准确率。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 发布研究创意新颖性评估研究及基准
Ai2 发布 Old Ideas, Novel Problems 研究、评测基准、数据和代码，用于测试 LLM 判断科研创意新颖性的可靠性。六个 LLM 评审在 Human+Generated 数据集上对提示词变化高度敏感，其中 GPT-5.4 的准确率从 93.5% 降至 40.9%；增加检索和推理未稳定提升结果，两个专用系统反而低于简单提示词基线。
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。