实测AI同行评审：多模型集成可揪出93%论文错误

一项针对AI同行评审工具的深度评估显示，单一模型在识别论文错误时表现差异巨大，最佳仅能发现71个预设错误。虽然零样本GPT-5.5召回率最高，但生成的无效评论也大幅增加。研究发现，由于不同模型发现错误的相关性较低，采用集成多模型的方法效果显著，能够成功识别出高达93%的预设错误。

2026-08-14 ~ 2026-08-14 · 2 条相关