AI2 新评测:前沿 LLM 判断研究想法新颖性,问法不同结论就不同

allen_ai · x · 2026-11-21

Allen Institute for AI(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,即便是前沿模型,也会因为提问/评估方式不同而对相似想法得出不同结论,稳定性堪忧。

AI2 研究员 dsweld 转发时称之为「对所有自主 AI 科学发现工作的一个警示故事」:用 LLM 做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。

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →