斯坦福教授用 LLM 做论文评审:多轮争论比一次输出强得多
anshulkundaje · x · 2026-10-29
斯坦福教授 Anshul Kundaje 分享他高频测试后的结论:与 LLM 多轮来回辩论、协作打磨评审意见,效率与满意度远高于直接采用模型第一次输出。他发现自 GPT6 Astra (Ultra) 起评审质量有明显跃升,并给出一个实用 prompt 结构:让模型把问题明确分成致命缺陷、大方向问题、技术问题、吹毛求疵、 wish list 几类,效果会更好。
所属事件:斯坦福教授实测：GPT6 Astra 论文评审质量跃升(2 条相关)→
「编程与Agent」频道最新
- Anthropic 回应 Claude Code 用量暴涨：无单一根因，重会话烧 token 属正常 — bcherny · 2026-10-29
- LlamaIndex 发布文档解析协议 DPP：140 条规则统一 OCR 输出标准 — llama_index · 2026-10-29
- exe.dev 用 Workload Identity Federation 简化 AI Agent 的密钥管理 — davidcrawshaw · 2026-10-29
- 有 API 执行权的 Agent 如何防 prompt injection:防御重心应移出模型层 — Informal-Dust4499 · 2026-10-29
- Agent 审批界面该怎么设计：用结构化效果呈现取代叙事性描述 — ClickOk5811 · 2026-10-29
- 「帮我盯着这事」：Babysitting 成了对 AI agent 的头号请求 — RichardsonDx · 2026-10-29