AGI Hunt· allen_ai·2026-11-21 01:02· 1 小时前AI 评分44AI2 新评测:前沿 LLM 判断研究想法新颖性,问法不同结论就不同AI 导读AI2 发布新评测,考察 LLM 能否可靠判断 AI 生成研究想法的新颖性。结果显示,即便前沿模型也会因提问或评估方式不同,对相似想法给出不同结论。研究人员警告,依靠 LLM 进行新颖性过滤的自动化科研流程,可能建立在不可靠的裁判之上。来源:AGI Hunt · agihunt.info推理能力论文研究评测基准#论文/研究#评测/基准#推理查看事件全部后续