Hugging Face Blog·· 3 小时前精选AI 评分58
Ai2 研究：LLM 能否可靠判断研究想法的新颖性
Can we trust LLMs to judge whether a research idea is novel?
AI 导读
Ai2 发布研究《Old Ideas, Novel Problems》，测试 GPT-5.1、GPT-5.2、GPT-5.4、Claude Sonnet 4.5、Claude Opus 4.5 和 Claude Opus 4.6 六个 LLM 判断研究想法新颖性的可靠性，并同步开源基准、数据和代码。
推荐理由
Ai2 用 ICLR 2026 审稿意见构建新颖性评测基准，量化了 LLM 新颖性评审对提示词和设置的高度敏感。
来源：Hugging Face Blog · huggingface.co