实测谷歌 Deep Review:像毒舌 NeurIPS 主席般撕碎 35 页基准规范
ChrisUniverse · x · 2026-10-18
ChrisUniverse 分享了 Google DeepMind/Google Research 的 Deep Review 工具,可以在自己的技术论文与形式化规范上直接试用。
实测结果超出预期——原本以为会是一份泛泛的 AI 同行评审报告,结果它对一份 35 页的私有 benchmark 规范进行了毁灭性审查:
- 推导出线性项与指数项之间 9x-27x 的惩罚不对称,会导致排名翻转
- 证明抽样规则存在鸽笼原理缺陷(30 次运行 < 两组互斥速率下所需的 40 次)
作者还给出实用建议:在跑任何付费模型评测之前,先把原始 Markdown/LaTeX 公式和明确的失败表格喂给 Deep Review。
所属事件:实测谷歌 Deep Review:像苛刻评审般揪出 36 处缺陷(2 条相关)→
「编程与Agent」频道最新
- 用 ChatGPT 插件让 Dot 每小时自动监控新闻并推送提醒 — koltregaskes · 2026-10-18
- Optimus 发布:自主 RL Agent 全自动跑并行训练实验 — _AustinCalvert_ · 2026-10-18
- GitHub Copilot 接入微软 Work IQ MCP，批量建 issue 从数小时缩到 30 分钟 — DanWahlin · 2026-10-18
- AI 高效工作法：先判断工作是否「AI 可验证」，再决定怎么干 — danshipper · 2026-10-18
- 个人 AI Agent 如何绕过网站封锁？真机操控或是最优解 — lucasmeijer · 2026-10-18
- LSCBench:AI 编码 agent 功能测试 91% 通过，安全仅 25% — krishnan · 2026-10-18