热点事件持续更新

Ai2 发布新颖性评判基准与自动化数据管线

1 篇报道1 个报道来源6 小时前更新

先了解这件事

AI 综述

Ai2 发布 Old Ideas, Novel Problems 研究，公开用于测试研究想法新颖性评审的基准、数据和代码，以及自动化评测集构建管线。研究测试了 GPT-5.1、GPT-5.2、GPT-5.4、Claude Sonnet 4.5、Claude Opus 4.5 和 Claude Opus 4.6 六款评审模型，发现仅改动提示词中的几个词就会影响判断；检索与额外推理未稳定改善判断。

AI 根据报道生成 · 6 小时前更新

最新进展10月28日 00:12

Ai2 发布 Old Ideas, Novel Problems 研究：LLM 判断研究想法新颖性是否可靠

报道时间线

沿着报道，了解事件的不同侧面。

10月28日

00:12
Hugging Face 博客
Ai2 发布 Old Ideas, Novel Problems 研究：LLM 判断研究想法新颖性是否可靠
Ai2 发布 Old Ideas, Novel Problems 研究，并公开用于测试新颖性评审的基准、数据和代码。研究测试 GPT-5.1、GPT-5.2、GPT-5.4、Claude Sonnet 4.5、Claude Opus 4.5 和 Claude Opus 4.6 六款评审模型，发现仅改动提示词中的几个词。检索与额外推理未稳定改善判断。

已显示 1 篇，共 1 篇报道。

本事件热度走势

可比范围当前: 9
可比范围峰值: 1010月28日 01:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。